期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于并联卷积神经网络的高速铁路车体图像差异分类算法
被引量：
4
1
作者
王志学
彭朝勇
+1 位作者
罗林
宋文伟
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第10期53-59,共7页
对高速铁路的车体进行安全检查,是高速铁路安全运行的重要保障。但是由于高速铁路车体结构复杂,采集环境多变,导致基于机器视觉的传统检测方法很难提取到车体图片的正确特征。利用深度学习方法,采用卷积神经网络,建立一个并联的差异分...
对高速铁路的车体进行安全检查,是高速铁路安全运行的重要保障。但是由于高速铁路车体结构复杂,采集环境多变,导致基于机器视觉的传统检测方法很难提取到车体图片的正确特征。利用深度学习方法,采用卷积神经网络,建立一个并联的差异分类模型,用于检测车体差异部位是否发生异常。为提高识别的准确率,提出一种多形状训练方法;同时,针对此异常检测任务设计合适的损失函数,并加入距离度量的限制项。此外,在并联模型的基础上,建立一种复合并联模型,进一步提升模型性能。试验表明,该模型能够很好地克服光照、污渍、标记等伪异常,正确提取到图片对的差异信息,并对差异信息是否异常做出准确的判断。
展开更多
关键词
差异
分类
卷积神经网络
深度
学习
距离
度量
学习
在线阅读
下载PDF
职称材料
一种改进的人脸识别CNN结构研究
被引量：
19
2
作者
张国云
向灿群
+2 位作者
罗百通
郭龙源
欧先锋
《计算机工程与应用》
CSCD
北大核心
2017年第17期180-185,191,共7页
为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰,融合了卷积神经网络与孪生神经网络的优点,提出了一种改进的CNN网络结构,该结构由两个卷积神经网络组成,且共享网络权值,在该结构的训练中采用了差异深度度量学习(DDML)算法。卷积...
为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰,融合了卷积神经网络与孪生神经网络的优点,提出了一种改进的CNN网络结构,该结构由两个卷积神经网络组成,且共享网络权值,在该结构的训练中采用了差异深度度量学习(DDML)算法。卷积结构有效地去除外界噪声干扰,且在非线性降维中权值共享结构能够自动提取相同特征,DDML算法增加了提取特征的有效性。在ORL、Yale B和AR人脸数据库上实验结果表明,与PCA、CNN等算法相比,识别稳定度高,识别率提升近5个百分点。
展开更多
关键词
人脸识别
卷积神经网络
孪生网络
差异
深度
度量
学习
(
ddml
)
深度
学习
在线阅读
下载PDF
职称材料
题名
基于并联卷积神经网络的高速铁路车体图像差异分类算法
被引量：
4
1
作者
王志学
彭朝勇
罗林
宋文伟
机构
西南交通大学物理科学与技术学院
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第10期53-59,共7页
基金
国家自然科学基金(61771409)。
文摘
对高速铁路的车体进行安全检查,是高速铁路安全运行的重要保障。但是由于高速铁路车体结构复杂,采集环境多变,导致基于机器视觉的传统检测方法很难提取到车体图片的正确特征。利用深度学习方法,采用卷积神经网络,建立一个并联的差异分类模型,用于检测车体差异部位是否发生异常。为提高识别的准确率,提出一种多形状训练方法;同时,针对此异常检测任务设计合适的损失函数,并加入距离度量的限制项。此外,在并联模型的基础上,建立一种复合并联模型,进一步提升模型性能。试验表明,该模型能够很好地克服光照、污渍、标记等伪异常,正确提取到图片对的差异信息,并对差异信息是否异常做出准确的判断。
关键词
差异
分类
卷积神经网络
深度
学习
距离
度量
学习
Keywords
change classification
convolutional neural networks
deep learning
distance metric learning
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
一种改进的人脸识别CNN结构研究
被引量：
19
2
作者
张国云
向灿群
罗百通
郭龙源
欧先锋
机构
湖南理工学院信息与通信工程学院
湖南理工学院复杂系统优化与控制湖南省普通高等学校重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2017年第17期180-185,191,共7页
基金
湖南省高校创新平台开放基金(No.15K051)
湖南省研究生科研创新项目(No.CX2016B670)
+1 种基金
湖南省教育厅项目(No.16C0723)
湖南省高校重点实验室开放基金(No.14K042)
文摘
为了克服人脸识别中存在光照、姿态、颜色等噪声的干扰,融合了卷积神经网络与孪生神经网络的优点,提出了一种改进的CNN网络结构,该结构由两个卷积神经网络组成,且共享网络权值,在该结构的训练中采用了差异深度度量学习(DDML)算法。卷积结构有效地去除外界噪声干扰,且在非线性降维中权值共享结构能够自动提取相同特征,DDML算法增加了提取特征的有效性。在ORL、Yale B和AR人脸数据库上实验结果表明,与PCA、CNN等算法相比,识别稳定度高,识别率提升近5个百分点。
关键词
人脸识别
卷积神经网络
孪生网络
差异
深度
度量
学习
(
ddml
)
深度
学习
Keywords
face recognition
convolutional neural network
twin network
Discriminative Deep Metric Learning (
ddml
)
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于并联卷积神经网络的高速铁路车体图像差异分类算法
王志学
彭朝勇
罗林
宋文伟
《铁道学报》
EI
CAS
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
2
一种改进的人脸识别CNN结构研究
张国云
向灿群
罗百通
郭龙源
欧先锋
《计算机工程与应用》
CSCD
北大核心
2017
19
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
