基于密集神经网络的灰度图像着色算法 被引量：7

1

作者 张娜 秦品乐 +1 位作者 曾建潮 李启 《计算机应用》 CSCD 北大核心 2019年第6期1816-1823,共8页

针对在灰度图像着色领域中,传统算法信息提取率不高、着色效果不理想的问题,提出了基于密集神经网络的灰度图像着色算法,以实现改善着色效果,让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性,构建并训练了一个端到... 针对在灰度图像着色领域中,传统算法信息提取率不高、着色效果不理想的问题,提出了基于密集神经网络的灰度图像着色算法,以实现改善着色效果,让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性,构建并训练了一个端到端的深度学习模型,对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比,以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后,只需向网络输入一张灰度图片,即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明,引入密集网络后,可有效改善着色过程中的漏色、细节信息损失、对比度低等问题,所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络(ResNet)等性能优异的先进着色算法而言取得了显著的改进。 展开更多

关键词 图像着色 密集神经网络 灰度图像 特征利用 信息损失

在线阅读 下载PDF 职称材料

特征重校准融合密集神经网络的遥感场景分类 被引量：1

2

作者 陈德海 潘韦驰 +1 位作者 马原 黄艳国 《计算机工程与设计》 北大核心 2020年第6期1670-1675,共6页

针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题,提出一种采用特征重校准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SE block,将SE block与其多尺度分支嵌入DenseNet-121中进行... 针对遥感影像场景中空间信息丰富以及冗余的地理特征会对网络训练时造成干扰等问题,提出一种采用特征重校准融合密集神经网络的遥感影像场景分类方法。通过缩聚与激发机制建立SE block,将SE block与其多尺度分支嵌入DenseNet-121中进行特征重校准,利用DenseNet中密集连接方式加强信息流的传递。该方法使得整体模型获得全局感受野的稳健特征表示,减少遥感场景特征的冗余映射。通过在两个公开遥感影像数据集UCMerced_LandUse和SIRI-WHU中进行实验,分类精度分别高达97.7%和98.9%,验证了该方法的有效性。 展开更多

关键词 特征重校准 密集神经网络 遥感影像 深度学习 场景分类

在线阅读 下载PDF 职称材料

融合多尺度图像的密集神经网络肺部肿瘤识别算法 被引量：9

3

作者 周涛 霍兵强 +4 位作者 陆惠玲 马宗军 叶鑫宇 董雅丽 刘珊 《光学精密工程》 EI CAS CSCD 北大核心 2021年第7期1695-1708,共14页

针对CT模态医学图像采用卷积神经网络训练时的特征提取不充分、特征维度较高等问题,本文提出了基于融合多尺度图像的非负稀疏协同表示分类的密集神经网络肺部肿瘤(Multi Scale DenseNet-NSCR)的识别方法。第一,使用迁移学习将预训练密... 针对CT模态医学图像采用卷积神经网络训练时的特征提取不充分、特征维度较高等问题,本文提出了基于融合多尺度图像的非负稀疏协同表示分类的密集神经网络肺部肿瘤(Multi Scale DenseNet-NSCR)的识别方法。第一,使用迁移学习将预训练密集神经网络模型初始化参数;第二,将肺部图像预处理,提取多尺度病灶ROI区域;第三,采用多尺度CT图像训练密集神经网络,提取全连接层的特征向量;第四,针对融合特征维度较高问题,采用非负稀疏协同表示分类器(NSCR)对特征向量进行表示,求解系数矩阵;第五,利用残差相似度进行分类。最后,采用AlexNet,DenseNetNet-201模型及三种分类算法(SVM、SRC、NSCR)两两组合模型进行对比试验,实验结果表明,Multiscale-DenseNet-NSCR分类效果优于其它模型,且特异性和灵敏度等各项评价指标也较高,该方法具有较好的鲁棒性和泛化能力。 展开更多

关键词 密集神经网络 多尺度医学图像 迁移学习 NSCR算法

在线阅读 下载PDF 职称材料

密集连接神经网络在远距离水声目标探测中的性能分析

4

作者 胡梦璐 冯海泓 +1 位作者 洪峰 毛海全 《声学技术》 CSCD 北大核心 2024年第6期782-789,共8页

由于水声目标辐射噪声的低信噪比特性,探测远距离水声目标具有一定挑战。为提升远距离水声目标探测的准确率,文章提出一种基于密集连接神经网络和自注意力机制的方法。该方法提取信号的梅尔倒谱系数作为特征,在密集连接神经网络头部添... 由于水声目标辐射噪声的低信噪比特性,探测远距离水声目标具有一定挑战。为提升远距离水声目标探测的准确率,文章提出一种基于密集连接神经网络和自注意力机制的方法。该方法提取信号的梅尔倒谱系数作为特征,在密集连接神经网络头部添加自注意力模块以捕获关键信息,经过多个密集块后输出探测结果。在实测数据集上进行实验,分析了自注意力机制添加与否、输入特征不同、接收端深度不同时模型的性能变化。应用在未来几天的数据测试模型的任务中,探测范围在小于10 km时,探测准确率为93.3%,探测范围扩大至20 km时,探测准确率为90.34%。实验结果表明,模型在信噪比不小于−6 dB时实现了水声目标探测,在增加更多的低信噪比样本后,仍具有一定探测能力,且其性能优于其他模型。此外,训练集包含多种信噪比条件下的数据时,探测性能会有进一步提升。 展开更多

关键词 密集连接神经网络 水声目标探测 深度学习 特征提取 信噪比

在线阅读 下载PDF 职称材料

自学习稀疏密集连接卷积神经网络图像分类方法 被引量：3

5

作者 吴鹏 林国强 +1 位作者 郭玉荣 赵振兵 《信号处理》 CSCD 北大核心 2019年第10期1747-1752,共6页

通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中... 通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中冗余通道的方法,得到稀疏密集连接卷积神经网络。首先,提出了一种衡量每个卷积层中每个输入特征图对输出特征图贡献度大小的方法,贡献度小的输入特征图即为冗余特征图;其次,介绍了通过自学习,网络分阶段剪枝冗余通道的训练过程,得到了稀疏密集连接卷积神经网络,该网络剪枝了密集连接网络中的冗余通道,减少了网络参数,降低了存储和计算量;最后,为了验证本文方法的有效性,在图像分类数据集CIFAR-10/100上进行了实验,在不牺牲准确率的前提下减小了模型冗余。 展开更多

关键词 剪枝冗余通道 自学习 稀疏化密集连接卷积神经网络 图像分类

在线阅读 下载PDF 职称材料

基于密集卷积神经网络的遥感飞机识别 被引量：6

6

作者 于丽 刘坤 于晟焘 《计算机工程与应用》 CSCD 北大核心 2018年第19期179-185,203,共8页

传统的飞机识别方法受模糊、遮挡、噪声以及光照等多种因素的干扰时会降低识别率,且卷积神经网络主要依赖局部特征,却丢失了轮廓特征等重要的全局结构化特征,从而导致算法对于受干扰飞机图像识别效果不佳。因此,基于密集卷积神经网络提... 传统的飞机识别方法受模糊、遮挡、噪声以及光照等多种因素的干扰时会降低识别率,且卷积神经网络主要依赖局部特征,却丢失了轮廓特征等重要的全局结构化特征,从而导致算法对于受干扰飞机图像识别效果不佳。因此,基于密集卷积神经网络提出一种结合局部与全局特征的联合监督识别方法,以密集卷积神经网络为基础得到图像特征,通过结合局部特征(卷积神经网络特征)与全局特征(方向梯度直方图特征)进行分类,分类器目标函数使用softmax损失和中心损失联合监督方法。实验结果表明,局部特征与全局特征的结合使算法更加智能化,且损失函数联合监督方法能够实现图像深层特征的类内聚合、类间分散,该算法能有效解决卷积神经网络对受到多种干扰的遥感图像识别率低的问题。 展开更多

关键词 密集卷积神经网络 目标识别 中心损失 联合监督 方向梯度直方图

在线阅读 下载PDF 职称材料

基于密集连接卷积网络的雷达辐射源信号分选 被引量：5

7

作者 齐美彬 程佩琳 +2 位作者 靳学明 张什永 项厚宏 《雷达科学与技术》 北大核心 2022年第6期635-642,共8页

针对现代战场电磁环境下复杂调制雷达信号分选准确率低的问题,本文提出一种基于密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的雷达辐射源信号分选算法。该算法采用脉冲描述字(Pulse Description Word,PDW)参... 针对现代战场电磁环境下复杂调制雷达信号分选准确率低的问题,本文提出一种基于密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的雷达辐射源信号分选算法。该算法采用脉冲描述字(Pulse Description Word,PDW)参数与脉内参数相结合作为分选特征,并对特征参数进行差值预处理生成训练数据,使用一维DenseNet网络进行分选。采用本文预处理方法可以有效提取特征间的相关性差异,同时弥补脉间参数PDW对脉内调制信息的缺失。实验结果表明,该方法能有效实现复杂雷达辐射源信号的分选,在0 dB的信噪比下可以达到98%以上的分选准确率。 展开更多

关键词 雷达信号分选 脉间特征 脉内特征 密集神经网络

在线阅读 下载PDF 职称材料

对称式密集连接网络的地基云图分割方法 被引量：5

8

作者 沈慧想 夏旻 +1 位作者 施必成 刘佳 《计算机工程与应用》 CSCD 北大核心 2019年第17期207-213,共7页

为了提高地基云图分割的精度,提出一种对称式密集连接卷积神经网络的云图分割方法进行地基云图分割研究。提出的新的网络结构通过普通卷积层提取地基云图特征,通过连续的密集连接块和上采样模块对特征图进一步处理,通过并联方式融合网... 为了提高地基云图分割的精度,提出一种对称式密集连接卷积神经网络的云图分割方法进行地基云图分割研究。提出的新的网络结构通过普通卷积层提取地基云图特征,通过连续的密集连接块和上采样模块对特征图进一步处理,通过并联方式融合网络浅层和网络深层的特征图从而实现对地基云图精确的分割。其中,密集块中采用跨层连接的方式实现了网络中所用层的特征传递,使得云图特征得到复用,同时一定程度上减轻了训练过程中的梯度消失问题,通过并联浅层网络和深层网络的特征图实现了对地基云图的进一步精确分割。实验结果表明,该方法与其他用于地基云图分割的机器学习方法相比,能够提高地基云图的分割准确率,具有良好的泛化效果。 展开更多

关键词 深度学习 对称式密集连接卷积神经网络 图像分割 地基云图

在线阅读 下载PDF 职称材料

基于级联密集网络的轮廓波变换域图像复原 被引量：9

9

作者 刘宇男 张姗姗 +2 位作者 王春鹏 李广宇 杨健 《软件学报》 EI CSCD 北大核心 2020年第12期3968-3980,共13页

近年来,卷积神经网络凭借极强的学习能力,在图像复原任务上实现了比传统学习方法更令人满意的结果.但是,由于丢失了重要的纹理细节,这些基于卷积神经网络的方法普遍存在着复原图像过度平滑的缺点.为解决该问题,提出一种基于级联密集型... 近年来,卷积神经网络凭借极强的学习能力,在图像复原任务上实现了比传统学习方法更令人满意的结果.但是,由于丢失了重要的纹理细节,这些基于卷积神经网络的方法普遍存在着复原图像过度平滑的缺点.为解决该问题,提出一种基于级联密集型卷积神经网络的轮廓波域图像复原方法,可以应用于单幅图像去噪、超分辨率及JPEG解压缩这3个经典图像复原任务.首先,构建了一种紧凑的级联密集型网络结构,不但可以充分挖掘和利用不同层次的图像特征,而且解决了由于网络加深带来的长期依赖问题.接着,引入可以稀疏表示图像重要特征的轮廓波变换,分别将低质量图像和重建图像对应的轮廓波子带作为网络的输入和输出,更加有效地恢复出逼真的结构和纹理细节.在标准测试集的实验表明:提出的方法在3个图像复原任务上达到了当前最优的性能,不但获得了更高的峰值信噪比和结构相似度,而且在主观的重建图像中包含了更加真实的纹理细节. 展开更多

关键词 图像去噪 超分辨率 JPEG解压缩 轮廓波变换 级联密集型卷积神经网络

在线阅读 下载PDF 职称材料

融合STN和DenseNet的深度学习网络及其应用 被引量：5

10

作者 张锡英 宋宇鹏 +1 位作者 陈曦 边继龙 《计算机工程与应用》 CSCD 北大核心 2019年第17期131-136,共6页

图像识别是计算机视觉的重要分支之一,具有重要的理论和实践意义。近年来,以深度卷积神经网络为代表的图像分类方法被成功地应用到各个领域。针对神经网络对输入数据敏感、训练时间长等问题,结合空间映射网络(Spatial Transform Network... 图像识别是计算机视觉的重要分支之一,具有重要的理论和实践意义。近年来,以深度卷积神经网络为代表的图像分类方法被成功地应用到各个领域。针对神经网络对输入数据敏感、训练时间长等问题,结合空间映射网络(Spatial Transform Network,STN)和密集神经网络(Dense Neural Network,DenseNet)两者的特性,提出一种新型网络结构ST-DenseNet。该网络能够对输入图片作不变性归一化处理,解决数据敏感问题的同时提高图像识别效果。在树种叶片公开数据集Leafsnap上实现了90.43%的识别准确率、87.75%的召回率和89.07%的F-Measure的实验结果,模型ST-DenseNet明显优于其他网络模型。 展开更多

关键词 图像识别 深度卷积神经网络 空间映射网络 密集神经网络 树种识别

在线阅读 下载PDF 职称材料

多成本融合的立体匹配网络 被引量：4

11

作者 张锡英 王厚博 边继龙 《计算机工程》 CAS CSCD 北大核心 2022年第2期186-193,共8页

立体匹配网络中的特征提取是提高双目视觉立体匹配精确度的关键步骤。为充分提取图像特征信息,结合密集空洞卷积、空间金字塔池化和堆叠沙漏的特点,构建一种多成本融合的立体匹配网络DCNet。引入密集空洞卷积和空间金字塔池化方法提取... 立体匹配网络中的特征提取是提高双目视觉立体匹配精确度的关键步骤。为充分提取图像特征信息,结合密集空洞卷积、空间金字塔池化和堆叠沙漏的特点,构建一种多成本融合的立体匹配网络DCNet。引入密集空洞卷积和空间金字塔池化方法提取多尺度特征信息,同时使用轻量化注意力模块优化多尺度特征信息,构建多特征融合的匹配代价卷。在此基础上,利用3D卷积神经网络和堆叠沙漏网络聚合匹配代价信息,并通过回归的方式生成视差图。实验结果表明,该网络在KITTI2015数据集上的误匹配率为2.12%,相比PSMNet、DisNetC、PDSNet等网络,在特征提取部分能够获得更丰富的特征信息,且提升特征匹配的效果。 展开更多

关键词 立体匹配 密集神经网络 深度卷积神经网络 深度学习 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制的融合式NCP-DCNN短期光伏功率预测方法

12

作者 刘庆 王有军 +4 位作者 张垚 姜继彬 李康 李璘 王平 《智慧电力》 北大核心 2025年第8期62-69,共8页

针对传统短期光伏功率预测模型普遍存在预测精度不足、参数量过大等问题,提出一种融合注意力机制(AM)、神经回路策略(NCP)、密集卷积神经网络(DCNN)的短期光伏功率预测方法。首先,引入皮尔逊相关分析识别影响光伏发电的关键因素,并将其... 针对传统短期光伏功率预测模型普遍存在预测精度不足、参数量过大等问题,提出一种融合注意力机制(AM)、神经回路策略(NCP)、密集卷积神经网络(DCNN)的短期光伏功率预测方法。首先,引入皮尔逊相关分析识别影响光伏发电的关键因素,并将其作为网络输入提高特征学习效率;其次,通过多层卷积操作提取输入数据的局部空间特征,并利用自注意力机制自动聚焦于重要的时间段和区域,增强特征表征能力;最后,结合神经回路策略模块实现特征图在时间维度的特征提取。仿真结果表明,所提方法在不依赖网络参数的情况下具有较高的短期预测精度,可显著降低网络复杂度并提升计算效率。 展开更多

关键词 光伏功率预测 密集卷积神经网络 注意力机制 神经回路策略 短期

在线阅读 下载PDF 职称材料

基于多特征融合密集残差CNN的人脸表情识别 被引量：13

13

作者 马中启 朱好生 +2 位作者 杨海仕 王琪 胡燕海 《计算机应用与软件》 北大核心 2019年第7期197-201,共5页

传统人脸表情识别主要基于人工提取特征,其存在算法鲁棒性较差、易受人脸身份信息干扰等问题,以及传统卷积神经网络不能充分提取人脸表情特征的现状。对此提出一种基于多特征融合密集残差卷积神经网络的人脸表情识别。该方法能够充分利... 传统人脸表情识别主要基于人工提取特征,其存在算法鲁棒性较差、易受人脸身份信息干扰等问题,以及传统卷积神经网络不能充分提取人脸表情特征的现状。对此提出一种基于多特征融合密集残差卷积神经网络的人脸表情识别。该方法能够充分利用神经网络中每层的特征,在密集块中,对于每一个卷积层,其前面所有卷积层的输出都将作为本卷积层的输入。然后将每个密集块的输出送入到全连接层中进行特征融合,经过Softmax分类器分类。在CK+和FER2013数据集上进行多次实验,与传统的机器学习方法相比,该方法具有较高的准确率与较强的鲁棒性。 展开更多

关键词 表情识别 密集型卷积神经网络 特征融合 深度学习

在线阅读 下载PDF 职称材料

强化特征提取能力的下颌骨骨折检测3M-YOLOv5网络 被引量：3

14

作者 周涛 杜玉虎 +2 位作者 石道宗 彭彩月 陆惠玲 《光学精密工程》 EI CAS CSCD 北大核心 2023年第21期3178-3191,共14页

针对人工智能辅助骨折部位治疗时由于骨折部位通常伴随着出血等症状,不同体位所拍摄的CT影像存在较大差异,骨折部位大小不一,以及受到出血部位以及周围组织的干扰,骨折部位的特征提取不充分、骨折部位检测精度不高的问题,设计了一种3M-Y... 针对人工智能辅助骨折部位治疗时由于骨折部位通常伴随着出血等症状,不同体位所拍摄的CT影像存在较大差异,骨折部位大小不一,以及受到出血部位以及周围组织的干扰,骨折部位的特征提取不充分、骨折部位检测精度不高的问题,设计了一种3M-YOLOv5网络来检测下颌骨骨折部位。在特征提取网络中采用密集模块,利用密集连接特性提高网络的特征提取能力;采用局部全局注意力模块来提取CT影像的全局信息;构造一个轻量化的多尺度密集块,以较少的参数量提取骨折部位的多尺度特征;在特征增强网络中设计跨维度双向特征融合模块,使得特征图的高度、宽度以及通道之间有所交互,同时引入可训练的权重来平衡不同尺度特征图的融合重要性。为了验证3M-YOLOv5网络的有效性,在自建数据集上进行消融实验和对比实验。实验结果表明,在置信度阈值取0.5时,3M-YOLOv5网络的mAP值、F1值、召回率、精确率分别为99.17%,99.06%,98.81%和99.32%。所提出的下颌骨骨折CT影像检测网络能够较好地检测出影像中的骨折部位,辅助医生制定治疗方案。 展开更多

关键词 目标检测 下颌骨骨折 YOLOv5 跨维度注意力 密集连接神经网络

在线阅读 下载PDF 职称材料

基于注意力机制和软匹配的多标签遥感图像检索方法 被引量：2

15

作者 张永梅 徐敏 李小冬 《计算机应用与软件》 北大核心 2024年第6期181-185,199,共6页

针对卷积神经网络对于多标签遥感图像特征提取能力弱、不能准确反映遥感图像多标签复杂性的问题,提出基于注意力机制和软匹配的多标签遥感图像检索方法。在特征提取阶段,以密集卷积神经网络模型为基础,在每个密集块(Dense Block)后添加C... 针对卷积神经网络对于多标签遥感图像特征提取能力弱、不能准确反映遥感图像多标签复杂性的问题,提出基于注意力机制和软匹配的多标签遥感图像检索方法。在特征提取阶段,以密集卷积神经网络模型为基础,在每个密集块(Dense Block)后添加CBAM(Convolutional Block Attention Module)层,实现对多标签图像区域特征提取。在模型训练时,利用区分硬匹配与软匹配的联合损失函数,学习图像的哈希编码表示。通过评估遥感图像哈希编码间的汉明距离,实现相似图像的检索。实验结果表明,所提方法在数据集NUS-WIDE和多标签遥感图像数据集DLRSD上与其他基于全局特征的深度哈希方法相比,明显提升了检索准确率。 展开更多

关键词 遥感图像检索 密集卷积神经网络 深度哈希 多标签 软匹配

在线阅读 下载PDF 职称材料

基于优化VMD和MHA-DenseNet的滚动轴承故障诊断 被引量：3

16

作者 安冬 梁彬彬 +3 位作者 叶井启 须颖 邵萌 刘振鹏 《组合机床与自动化加工技术》 北大核心 2022年第6期114-118,共5页

针对传统特征提取的故障诊断技术不能充分表征振动信号故障特征导致故障识别精度不高的问题,提出一种优化VMD和MHA-DenseNet的滚动轴承故障诊断方法。首先,采用麻雀搜索算法(SSA)对变分模态分解算法(VMD)的相关参数组合进行寻优;其次,... 针对传统特征提取的故障诊断技术不能充分表征振动信号故障特征导致故障识别精度不高的问题,提出一种优化VMD和MHA-DenseNet的滚动轴承故障诊断方法。首先,采用麻雀搜索算法(SSA)对变分模态分解算法(VMD)的相关参数组合进行寻优;其次,采用优化VMD分解滚动轴承故障信号,获得的本征模态函数分量(IMF)作为神经网络输入数据;最后,构建多头注意密集神经网络(MHA-DenseNet)故障诊断模型来有效学习故障数据中的特征信息并完成滚动轴承的准确诊断。实验结果表明,提出的故障诊断方法识别率高达99.03%,相较于对比实验该方法提高了故障诊断的准确率。 展开更多

关键词 滚动轴承 变分模态分解 麻雀搜索算法 多头注意密集神经网络 故障诊断

在线阅读 下载PDF 职称材料

基于注意力机制的DenseNet模型的树种识别应用 被引量：9

17

作者 宋宇鹏 边继龙 +1 位作者 安翔 张锡英 《实验室研究与探索》 CAS 北大核心 2020年第7期122-127,173,共7页

随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率。在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型。该神... 随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率。在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型。该神经网络能够通过添加注意力机制获取图像重要信息,以解决数据敏感问题,提高网络整体性能。在复杂树种叶片公开数据集Leafsnap和公共数据集SVHN上分别取得了91.25%和98.27%的分类精确率。实验结果表明,基于注意力机制的DenseNet模型分类效果明显优于其他网络模型。 展开更多

关键词 图像分类 卷积神经网络 密集神经网络 注意力机制 树种识别

在线阅读 下载PDF 职称材料

基于频谱位移模块的环境声音识别方法 被引量：4

18

作者 李传坤 郭锦铭 +1 位作者 李剑 孙袖山 《电子测量技术》 北大核心 2022年第5期62-67,共6页

针对卷积操作只能提取局部频谱信息,不能有效地挖掘频谱之间相关信息的问题,提出了一种基于频谱位移模块的神经网络。该网络采用密集卷积神经网络的架构,并在支路上使用频谱位移模块实现频谱信息之间的交互。利用这种频谱移位取代了频... 针对卷积操作只能提取局部频谱信息,不能有效地挖掘频谱之间相关信息的问题,提出了一种基于频谱位移模块的神经网络。该网络采用密集卷积神经网络的架构,并在支路上使用频谱位移模块实现频谱信息之间的交互。利用这种频谱移位取代了频谱间的下采样操作,实现了频谱的全局化特征提取,同时避免了下采样过程中信息的丢失,进一步地提高了频谱特征图质量。并在公开的数据集ESC10和ESC50上验证频谱位移密集模块,在两种数据集的分类准确度分别达到了96.00%和88.75%,与原有的网络相比准确度分别提升了2.1%和2.25%。实验结果表明,和现有的其他卷积神经网络方法相比,所提出的网络能够更好有效地挖掘全局时频信息,具有更高的识别准确率。 展开更多

关键词 环境声音识别 卷积神经网络 频谱位移 密集神经网络 深度学习

在线阅读 下载PDF 职称材料

基于DenseNet和随机森林的电力用户窃电检测 被引量：25

19

作者 蔡嘉辉 王琨 +2 位作者 董康 姚宇航 张雨峰 《计算机应用》 CSCD 北大核心 2021年第S01期75-80,共6页

窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失。为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNet-RF)模型,基于该模型实现了电力... 窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失。为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNet-RF)模型,基于该模型实现了电力用户窃电行为的检测。首先,分析了密集卷积神经网络(DenseNet)的结构;其次,将密集卷积神经网络(DenseNet)对大规模的智能电表数据集进行自动特征提取;然后,根据获得的特征再使用随机森林(RF)训练分类器,以检测用户是否窃电。在建立融合模型时,采用网格搜索算法确定最优参数。最后,进行实验验证,实验结果表明,所提出的检测模型优于宽而深的卷积神经网络(WDNet)、DenseNet、极限学习机(ELM)等模型的分类准确性,其模型准确率为96.76%,同时具有良好的泛化能力。 展开更多

关键词 窃电检测 密集神经网络 随机森林 智能电表

在线阅读 下载PDF 职称材料

基于Attention_DenseCNN的水稻问答系统问句分类 被引量：13

20

作者 王郝日钦 吴华瑞 +2 位作者 冯帅 刘志超 许童羽 《农业机械学报》 EI CAS CSCD 北大核心 2021年第7期237-243,共7页

为了解决“中国农技推广APP”问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention_DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向... 为了解决“中国农技推广APP”问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention_DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向量化处理,采用Word2vec方法能够有效地解决文本的高维性和稀疏性问题。对卷积神经网络(CNN)上下游卷积块之间建立一条稠密的链接,并结合注意力机制(Attention),使文本中的关键词特征得以充分体现,使文本分类模型具有更好的文本特征提取精度,从而提高了分类精确率。试验表明:基于Attention_DenseCNN的水稻问句分类模型可以提高文本特征的利用率、减少特征丢失,能够快速、准确地对水稻问句文本进行自动分类,其分类精确率及F1值分别为95.6%和94.9%,与其他7种神经网络问句分类方法相比,分类效果明显提升。 展开更多

关键词 水稻问句分类 自然语言处理 密集连接卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料