题名 基于密集连接卷积神经网络的入侵检测技术研究
被引量：25
1
作者
缪祥华 单小撤
机构
昆明理工大学信息工程与自动化学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第11期2706-2712,共7页
文摘
卷积神经网络在入侵检测技术领域中已得到广泛应用,一般地认为层次越深的网络结构其在特征提取、检测准确率等方面就越精确。但也伴随着梯度弥散、泛化能力不足且参数量大准确率不高等问题。针对上述问题,该文提出将密集连接卷积神经网络(DCCNet)应用到入侵检测技术中,并通过使用混合损失函数达到提升检测准确率的目的。用KDD 99数据集进行实验,将实验结果与常用的LeNet神经网络、VggNet神经网络结构相比。分析显示在检测的准确率上有一定的提高,而且缓解了在训练过程中梯度弥散问题。
关键词
入侵检测 卷积 神经网络 密集 连接 梯度弥散
Keywords
Intrusion detection Convolutional Neural Network(CNN) Dense connection Gradient vanishing
分类号
TN918.91
[电子电信—通信与信息系统]
题名 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
2
作者
吴鹏 林国强 郭玉荣 赵振兵
机构
全球能源互联网研究院有限公司 电力系统人工智能(联研院)国家电网公司联合实验室 华北电力大学电子与通信工程系
出处
《信号处理》
CSCD
北大核心
2019年第10期1747-1752,共6页
基金
国家电网有限公司总部科技项目(基于人工智能的视频图像处理及在巡检中的应用研究,5455HJ170002) 国家自然科学基金项目(61871182,61401154,61773160,61302163) +3 种基金 北京市自然科学基金项目(4192055) 河北省自然科学基金项目(F2016502101,F2017502016,F2015502062) 中央高校基本科研业务费专项资金项目(2018MS095,2018MS094) 模式识别国家重点实验室开放课题基金(201900051)等资助
文摘
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。
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
Keywords
pruning redundant channel self-learning sparse densely concatenated convolutional neural network image classification
分类号
TN911.73
[电子电信—通信与信息系统]
题名 密集连接扩张卷积神经网络的单幅图像去雾
被引量：8
3
作者
刘广洲 李金宝 任东东 舒明雷
机构
齐鲁工业大学(山东省科学院)山东省人工智能研究院 黑龙江大学计算机科学技术学院
出处
《计算机科学与探索》
CSCD
北大核心
2021年第1期185-194,共10页
基金
黑龙江省自然科学基金重点项目(ZD2019F003) 泰山学者计划:泰山学者攀登计划专家项目(tspd20181211),泰山学者青年专家项目(tsqn201909137)。
文摘
针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张率的扩张卷积,使网络在充分聚合上下文特征信息时不损失空间分辨率,并避免了网格伪影的产生。最后,为了提高算法的去雾能力,将该网络划分为多个阶段,并在每个阶段引入侧输出模块,从而获得更精确的特征信息。实验结果表明,所提出的去雾算法无论是在合成数据集上还是在真实数据集上都取得了较好的去雾效果,恢复的色彩更接近无雾图像,并且定量评价指标峰值信噪比(PSNR)和结构相似性(SSIM)均优于其他对比方法。
关键词
图像去雾 卷积 神经网络 (CNN)密集 连接 扩张卷积
Keywords
image dehazing convolutional neural network(CNN) dense connection dilation convolution
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于密集连接卷积神经网络的远程监督关系抽取
被引量：8
4
作者
钱小梅 刘嘉勇 程芃森
机构
四川大学网络空间安全学院 中国科学院信息工程研究所中国科学院网络测评技术重点实验室
出处
《计算机科学》
CSCD
北大核心
2020年第2期157-162,共6页
基金
中国科学院网络测评技术重点实验室开放课题基金(NST-18-001)~~
文摘
密集连接卷积神经网络(DenseNet)是一种新型深度卷积神经网络架构,通过建立不同层间的连接关系,来确保网络层与层间最大程度的信息传输。在文本远程监督关系抽取任务中,针对现有神经网络方法使用浅层网络提取特征的局限,设计了一种基于密集连接方式的深度卷积神经网络模型。该模型采用五层卷积神经网络构成的密集连接模块和最大池化层作为句子编码器,通过合并不同层次的词法、句法和语义特征,来帮助网络学习特征,从而获取输入语句更丰富的语义信息,同时减轻深度神经网络的梯度消失现象,使得网络对自然语言的表征能力更强。模型在NYT-Freebase数据集上的平均准确率达到了82.5%,PR曲线面积达到了0.43。实验结果表明,该模型能够有效利用特征,并提高远程监督关系抽取的准确率。
关键词
深度学习 关系抽取 远程监督 卷积 神经网络 密集 连接
Keywords
Deep learning Relation extraction Distant supervision Convolutional neural network Dense connectivity
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于可变形密集卷积神经网络的布匹瑕疵检测
被引量：6
5
作者
庄集超 郭保苏 吴凤和
机构
燕山大学机械工程学院
出处
《计量学报》
CSCD
北大核心
2023年第2期178-185,共8页
基金
国家自然科学基金(52175488) 河北省科技计划(20310401D) 河北省高等学校科学研究青年拔尖人才项目(BJ2021045)。
文摘
针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。
关键词
计量学 布匹瑕疵检测 可变形卷积 密集 连接 神经网络
Keywords
metrology fabric defect detection deformable convolution dense connection neural network
分类号
TB96
[机械工程—光学工程]
题名 对称式密集连接网络的地基云图分割方法
被引量：5
6
作者
沈慧想 夏旻 施必成 刘佳
机构
南京信息工程大学大气环境与装备技术协同创新中心
出处
《计算机工程与应用》
CSCD
北大核心
2019年第17期207-213,共7页
基金
国家自然科学基金（No.61773219） 江苏省自然科学基金（No.BK20161533） 江苏省青蓝工程
文摘
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。
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
Keywords
deep learning symmetric convolutional neural network with dense connection segmentation of image ground-based cloud images
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 特征融合型卷积神经网络的语义分割
被引量：4
7
作者
马冬梅 贺三三 杨彩锋 严春满
机构
西北师范大学物理与电子工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第10期193-198,共6页
基金
国家自然科学基金(No.61741119)。
文摘
语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛。深度卷积神经网络在近几年的机器视觉研究中取得了显著成效。针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法。该方法在深层特征图像中融合了浅层信息,且采用并行的不同采样率的空洞卷积进行特征提取与融合,更有效地提取不同层的特征和上下文信息,从而提高语义分割精度。采用全连接条件随机场优化图像边界,进一步提高语义分割的精度。该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3%mIOU的结果,优于之前基于VGGNet的主要经典方法。
关键词
语义分割 卷积 神经网络 机器视觉 密集 预测全连接 条件随机场
Keywords
semantic segmentation convolutional neural networks machine vision dense prediction fully connected conditional random fields
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于改进卷积神经网络的极光图像分类算法研究
被引量：9
8
作者
李彦枝 陈昌红 谢晓芳
机构
南京邮电大学江苏省图像处理与图像通信重点实验室 莱芜职业技术学院机电工程系
出处
《南京邮电大学学报（自然科学版）》
北大核心
2019年第6期86-93,共8页
基金
国家自然科学基金(61501260) 江苏省研究生科研与实践创新计划(KYCX17_0776) 江苏高校优势学科建设工程(信息与通信工程)资助项目
文摘
极光包含丰富的磁层和日地电磁活动以及能量耦合等空间物理信息,是一种自然放光现象。对极光图像的正确分类有助于探索太阳与地球及地球自身磁场的奥秘。文中针对极光图像分类问题提出一种基于神经网络改进的算法,首先采用迁移学习将在大规模数据集上训练过的VGG16网络用于极光数据库,然后结合VGG16和密集连接的思想提出一种改进的Dense-VGG网络,用该网络提取极光图像的特征,并实现极光图像的自动分类。在中国北极黄河站拍摄的两个极光数据库上进行了实验,其中8 001幅准确率达到96.54%,38 044幅准确率达到98.99%,证明该算法能有效提高极光图像分类准确率。
关键词
极光图像 卷积 神经网络 特征提取 密集 连接 分类
Keywords
aurora image convolutional neural network feature extraction dense connection classification
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 一种基于双通道的水下图像增强卷积神经网络
被引量：4
9
作者
王树林 杨建民 卢昌宇 刘路平
机构
上海交通大学海洋工程国家重点实验室 上海交通大学三亚崖州湾深海科技研究院
出处
《海洋工程》
CSCD
北大核心
2023年第6期158-170,共13页
基金
海南省科技计划三亚崖州湾科技城自然科学基金联合资助项目(2021JJLH0001) 上海市科委资助项目(19DZ1207300)。
文摘
近年来各国对于海洋生物的保护意识日益强烈,用来监测海洋生物生存状态的水下机器人装备的研发是保护海洋生物资源的关键。水下相机是这类机器人在水下进行海洋生物监测时的光学感知设备。然而水下环境复杂,拍摄到的图像模糊不清,为解决水下图像模糊等问题,提出了一种基于双通道的水下图像增强卷积神经网络。在网络的编码器中采用双通道结构,其中一个通道采用了密集连接和高效通道注意力机制,提取水下图像的细节特征,另一个通道采用多尺度结构,提取原始图像的多尺度语义特征。接着,在网络中引入残差注意力模块和自适应特征融合模块,进一步优化了特征。最后将优化后的特征输入解码器重建出增强后的水下图像。试验表明:提出的网络算法在UIQM指标和Entropy指标上分别为3.0056和7.6547,较第二名的算法分别高出0.0975和0.1232。
关键词
卷积 神经网络 水下图像增强 损失函数 密集 连接 注意力机制 多尺度
Keywords
convolutional neural network underwater image enhancement loss function dense connection effective attention mechanism multi-scale
分类号
P751
[交通运输工程—港口、海岸及近海工程]
题名 基于残差注意力密集网络的协作频谱感知方法
10
作者
王安义 朱涛 龚健超
机构
西安科技大学通信与信息工程学院
出处
《电信科学》
北大核心
2025年第2期84-94,共11页
基金
国家自然科学基金资助项目(No.62471384)。
文摘
针对基于卷积神经网络(convolutional neural network,CNN)的协作频谱感知算法存在的网络结构简单、特征提取能力不足和感知性能下降等问题,提出了一种基于残差注意力密集网络(residual attention dense network,RADN)的协作频谱感知算法。该算法通过改进基础残差块,从感受野、通道和空间3个维度引入注意力机制,结合残差连接和密集连接,构建了强大的深层特征提取结构——密集残差(residual in dense,RID),显著提升了网络的特征提取能力和频谱感知性能。实验结果表明,相较于传统深度学习方法,RADN算法在低信噪比(signal-to-noise ratio,SNR)条件下表现出显著的性能提升。该方法不仅能够适应多种调制方式,还具备较高的检测概率和良好的鲁棒性。
关键词
协作频谱感知 卷积 神经网络 注意力机制 密集 连接 残差连接
Keywords
cooperative spectrum sensing CNN attention mechanism dense connection residual connection
分类号
TN911
[电子电信—通信与信息系统]
题名 基于卷积神经网络和频率域特征的视频拷贝检测方法
被引量：1
11
作者
石慧杰
机构
北京工商大学计算机与信息工程学院
出处
《高技术通讯》
EI
CAS
北大核心
2019年第12期1201-1205,共5页
基金
国家重点研发计划(2017YFB1401000)资助项目
文摘
为了解决视频特征鲁棒性差、计算复杂度高等问题,提出一种新的视频拷贝检测方法。该算法将深度卷积网络特征和传统手工特征相结合,提升特征检测的维数,提升检测准确度。方法首先使用密集连接卷积网络(DenseNet)提取关键帧的深度特征,并对关键帧进行离散余弦变换(DCT)提取系数特征,然后使用基于典型相关分析(CCA)的特征融合算法将2种特征进行有效融合,最后使用融合特征进行特征匹配。在标准数据集上的实验表明,本文提出的算法检测效果较好,在常见的拷贝变化下可以得到更高的检测精度。该算法可以作为一种有效的数字视频版权保护技术应用于数字视频的监管领域。
关键词
视频拷贝检测 特征表示 卷积 神经网络 (CNN)典型相关分析(CCA) 离散余弦变换(DCT) 密集 连接 卷积 网络 (DenseNet)
Keywords
video copy detection convolutional neural network(CNN) canonical correlation analysis(CCA) discrete cosine transform(DCT) dense convolutional network(DenseNet)
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
题名 多维加权密集连接卷积网络的卫星云图云检测
被引量：5
12
作者
夏旻 施必成 刘佳 刘万安
机构
南京信息工程大学江苏省大数据分析技术重点实验室 南京信息工程大学大气环境与装备技术协同创新中心
出处
《计算机工程与应用》
CSCD
北大核心
2018年第20期184-189,196,共7页
基金
国家自然科学基金(No.61503192 No.61773219) +2 种基金 江苏省自然科学基金(No.BK20161533) 江苏省六大人才高峰(No.2014-XXRJ-007) 江苏省青蓝工程
文摘
云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维加权密集连接卷积神经网络模型实现对多光谱卫星云图的云检测。跨层连接能够实现网络中所有层之间的信息流,从而减少训练过程中的梯度消失导致收敛困难的问题。特征图之间连接的权值不同使得网络能够更高效地利用特征信息。通过实验结果对比,该模型可以很好地提取云图特征,提高多光谱云图检测的准确率,具有更好的泛化性能和优化效率。
关键词
多维加权密集 连接 卷积 神经网络 多光谱卫星云图 云检测
Keywords
multidimensional weighted densely connected convolution neural network multi-spectral satellite cloud image cloud detection
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于多尺度注意力网络的密集人群计数
13
作者
文帅 蒋勇 杨丹 马金刚 杨闻宇
机构
西南科技大学计算机科学与技术学院
出处
《计算机应用与软件》
北大核心
2025年第1期130-136,157,共8页
文摘
针对拥挤场景下的尺度变化导致人群计数任务中精度较低的问题,提出一种基于多尺度注意力网络(MANet)的密集人群计数模型。通过构建多列模型以捕获多尺度特征,促进尺度信息融合;使用双注意力模块获取上下文依赖关系,增强多尺度特征图的信息;采用密集连接重用多尺度特征图,生成高质量的密度图,之后对密度图积分得到计数。此外,提出一种新的损失函数,直接使用点注释图进行训练,以减少由高斯滤波生成新的密度图而带来的额外的误差。在公开人群数据集ShanghaiTech Part A/B、UCF-CC-50、UCF-QNRF上的实验结果均达到了最优,表明该网络可以有效处理拥挤场景下的目标多尺度,并且生成高质量的密度图。
关键词
密集 人群计数多尺度 卷积 神经网络 注意力机制 密集 连接 损失函数
Keywords
Dense crowd counting Multi-scale Convolution neural network(CNN) Attention mechanism Dense connection Loss function
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
题名 基于一维密集连接卷积网络的风电齿轮箱智能故障分类
被引量：4
14
作者
徐进 丁显 程浩 滕伟
机构
鲁能集团有限公司 华北电力大学电站设备状态监测与控制教育部重点实验室
出处
《可再生能源》
CAS
北大核心
2020年第2期187-192,共6页
基金
国家自然科学基金项目(51775186) 鲁能集团有限公司科技项目(528060170002)
文摘
人工智能技术的飞速发展为现代能源装备的精益化故障诊断与健康管理提供了可能。风电齿轮箱由多个齿轮、轴承组成,且长期在变速、变载荷工况下运行,依靠传统的故障特征提取结合机器学习方法进行故障诊断存在精度低、缺乏智能性等缺点。文章提出了基于一维密集连接卷积网络的风电齿轮箱故障分类方法:将原始振动信号直接送入网络模型,经过密集连接、合成连接与卷积运算,匹配对应的故障类型,迭代训练故障分类模型;振动信号输入模型后的分类结果决定所属故障类别。文章所提出的风电齿轮箱故障分类方法具有诊断流程简单、故障识别率高等特点,多工况试验台故障数据验证了该方法的有效性。
关键词
一维 密集 连接 卷积 神经网络 智能化 故障分类
Keywords
1-Dimension densely connected convolutional network intelligence fault classification
分类号
TK83
[动力工程及工程热物理—流体机械及工程]
题名 基于深度神经网络的单幅图像盲去噪算法
被引量：6
15
作者
李晨 许雪 郭业才
机构
无锡学院
出处
《电子测量技术》
北大核心
2023年第21期183-192,共10页
基金
无锡学院人才启动费(2021r028) 国家自然科学基金(61673222)项目资助
文摘
针对大多去噪网络仅在合成噪声去噪任务上表现良好,且只从单一尺度上提取特征,不能够更好的重构出干净的图像等问题,本文提出了一种多尺度特征融合的真实噪声图像盲去噪算法。该算法的横向网络结构利用自适应密集残差块提取同一尺度的丰富特征,并且有选择性的增强信息量大的特征,纵向网络结构利用金字塔层与编-解码器进一步获得不同的感受野,实现多尺度特征提取,横向同一尺度的特征与纵向不同尺度的特征充分融合更有利于噪声去除,保留图像的边缘细节。在真实噪声测试集(DND和SIDD)上对提出的网络进行评估,峰值信噪比(PSNR)分别为39.62和39.49,结构相似性(SSIM)分别为0.956和0.954。实验结果表明,本文提出的网络取得了更加优越的性能表现。
关键词
卷积 神经网络 真实噪声图像去噪 自适应密集 连接 残差 多尺度特征融合
Keywords
convolutional neural network real noise image denoising adaptive dense connection residual multiscale feature fusion
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于卷积注意力的非侵入式负荷辨识算法
被引量：2
16
作者
何苑儒 张金江 赵强
机构
浙江科技学院自动化与电气工程学院 华立科技股份有限公司
出处
《水电能源科学》
北大核心
2024年第1期206-210,共5页
基金
浙江省重点研发计划项目(2021C01113) 浙江省自然科学基金项目(LZ14E070001)。
文摘
针对目前非侵入式负荷监测算法准确率不高、训练耗时较长等问题,提出了一种基于卷积注意力的非侵入式负荷辨识算法。首先,对负荷数据设置最短运行和最短停止时长以降低测量误差带来的干扰。然后利用卷积神经网络对负荷数据进行训练,构建的神经网络包括编码器、时间池化器、解码器,并在解码器中引入卷积注意力模块来计算时间序列中当前时刻最重要的信息。最后利用UKDALE数据集对所提负荷辨识模型进行验证,并与现有算法进行对比。仿真结果表明,所提算法具有更好的辨识精度和泛化能力,训练所用时间减少约27.9%。
关键词
非侵入式 负荷监测 注意力机制 卷积 神经网络 残差连接 负荷辨识
Keywords
non-intrusive load monitoring attention mechanism convolutional neural network residual connection load identification
分类号
TM714
[电气工程—电力系统及自动化]
题名 基于改进密集连接型网络的光场深度估计
被引量：2
17
作者
苏钰生 王亚飞 李学华
机构
北京信息科技大学信息与通信工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第11期142-148,共7页
基金
北京市自然科学基金-海淀原始创新联合基金重点研究专题(No.L182039) 北京市自然科学基金-海淀原始创新联合基金(前沿项目)(No.L182032) 北京市自然科学基金(市教委联合资助)(No.KZ201911232046)。
文摘
针对传统的光场深度估计算法精度低、计算慢的问题,提出了一种改进DenseNet的多输入流密集连接型卷积神经网络进行光场深度估计的方法。该方法采用的密集连接的结构,减少了模型的计算量。对输入图片进行预处理,转化为极平面图EPI Volume(Epipolar Plane Image)结构,采用随机灰度化等数据增强方法克服训练数据不足,通过神经网络将EPI特征转化为深度信息。在HCI 4D光场数据集上的对比实验结果表明,该方法在均方误差和不良像素率上都取得了良好结果,并且在执行时间上大幅领先于传统算法。
关键词
光场 深度估计 极平面图 卷积 神经网络 数据增强 密集 连接 型网络
Keywords
light field depth estimation Epipolar Plane Image(EPI) Convolutional Neural Network(CNN) data augmentation shortcuts
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 密集反卷积网络在遥感建筑物提取中的应用
被引量：6
18
作者
张欢 雷宏 陈凯强
机构
中国科学院电子学研究所 中国科学院大学
出处
《计算机工程与应用》
CSCD
北大核心
2018年第11期140-144,152,共6页
文摘
遥感图像覆盖范围广、场景复杂,目前基于卷积神经网络的建筑物提取方法因层数较少,不能充分挖掘图像的抽象信息,导致正确率较低,错检率较高。简单地增加网络的层数会导致梯度流消失和信息流弥散等问题,无法有效地训练网络。将密集连接方式引入到反卷积网络中,提出了一种新型的深层密集反卷积神经网络。该网络共有51层卷积权重层,能够自动学习多层级图像的特征,充分挖掘图像信息,并且该网络是端对端可训练的,避免了深层网络中信息传递消失的问题。同时利用反卷积网络实现了像素级别的建筑物提取,在ISPRS 2D的遥感标注数据集上有良好的表现,具有较强的实际应用价值。
关键词
建筑物提取 遥感图像 密集 连接 卷积 神经网络 反卷积
Keywords
building extraction remote sensing image dense connection convolutional neural network deconvolution
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于轻量级密集残差网络的水下图像增强
被引量：8
19
作者
周露跚 赵磊 李恒 刘辉 张国银
机构
昆明理工大学信息工程与自动化学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第1期70-77,共8页
基金
国家自然科学基金(61863018) 云南省科技厅面上项目(202001AT070038)资助
文摘
深度卷积神经网络是水下图像增强的主要方法之一,但其过高的内存消耗和计算需求阻碍了在实际应用中的部署。为此,提出一种轻量级的密集残差卷积神经网络(dense residual convolutional neural networks,DRCNN)用于水下图像增强。为降低计算成本,DRCNN采用深度可分离卷积提取高级特征;通过密集连接和残差学习促进不同通道之间的信息交互,提高模型表征能力;将输入的退化图像与中间特征图融合,保留图像全局相似性,同时防止模型梯度消失。实验结果证明DRCNN能有效提高水下图像质量,较于现有算法,DRCNN参数量减少了85%,PSNR、SSIM值分别提高了3%、2%,测试速度提高了3%。DRCNN使用更少的参数实现了更好的性能,利于在低资源设备的实时场景中应用。
关键词
水下图像增强 轻量级卷积 神经网络 深度可分离卷积 密集 连接 残差学习
Keywords
underwater image enhancement lightweight convolutional neural network depthwise separable convolution dense connection residual learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN919.8
[电子电信—通信与信息系统]
题名 基于循环密集连接融合更多局部特征的肝脏分割
被引量：1
20
作者
宋阳 刘哲
机构
江苏大学计算机科学与通信工程学院
出处
《计算机应用研究》
CSCD
北大核心
2021年第8期2490-2494,共5页
基金
国家自然科学基金资助项目(61976106,61772242,61572239) 中国博士后科学基金资助项目(2017M611737) +1 种基金 江苏省“六大人才高峰”高层次人才项目(DZXX-122) 镇江市卫生计生科技重点项目(SHW2017019)。
文摘
由于腹部图像中肝脏区域的复杂性和传统分割方法特征提取上的局限性等原因,肝脏分割领域仍存在着很多挑战。针对现有分割网络在肝脏区域的全局信息和局部信息处理上存在的不足,设计了一种融合更多局部特征的循环密集连接网络的分割方法。该方法将循环密集连接模块和局部特征补充模块整合为编码过程的学习单元,使编码单元融合深层次全局信息和更多尺度的局部特征信息。最后,在解码过程后,利用softmax函数输出分割结果。在LiTS数据集上该方法在多个评价指标中表现优异,精确度达到了95.1%。此外,在Data_67数据集上的相关实验也证明了该方法具有很好的泛化性能。实验表明,密集连接融合更多的局部信息,能够使肝脏分割模型的性能更加优异。
关键词
肝脏分割 密集 连接 多尺度特征 注意力机制 卷积 神经网络 深度学习
Keywords
liver segmentation dense connection multi-scale feature attention mechanism convolutional neural network deep learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
