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
共找到253篇文章
< 1 2 … 13 >
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：
多尺度融合特征卷积神经网络的图像分类算法研究
1
作者 徐春雨 贾睿 《无线互联科技》 2024年第22期73-78,共6页
针对深度卷积神经网络在进行图像分类时,随着深度的增加可能出现的梯度弥散以及由于卷积核尺度不合适出现的特征提取能力不足等问题,文章提出了一种多尺度融合特征的深度卷积神经网络。该网络的主要结构由包含多尺度卷积核的卷积层、多... 针对深度卷积神经网络在进行图像分类时,随着深度的增加可能出现的梯度弥散以及由于卷积核尺度不合适出现的特征提取能力不足等问题,文章提出了一种多尺度融合特征的深度卷积神经网络。该网络的主要结构由包含多尺度卷积核的卷积层、多层感知机与池化层堆叠构成,在特征提取完成后,经过特征融合层与全连接层相连,输入Softmax分类器完成图像分类。实验结果表明,与深度卷积神经网络相比,该网络模型提高了CIFAR-10数据集的图像分类精度,具有较强的鲁棒性。 展开更多
关键词 图像分类 卷积神经网络 卷积核 特征融合
在线阅读 下载PDF
基于一维卷积神经网络与近似熵特征融合的水电机组故障诊断 被引量：7
2
作者 孙文昊 胡志平 +3 位作者 肖志怀 邹屹东 皮俊东 马哲轩 《中国农村水利水电》 北大核心 2024年第2期199-204,共6页
针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状... 针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状态特征融合构建融合特征向量;进一步,将融合特征作为输入、故障类别作为输出,训练BP神经网络得到水电机组故障识别器,识别水电机组运行状态,即正常或具体故障类型。结合转子实验台实验数据,验证了所提方法在挖掘信号特征方面的有效性及较高的故障诊断准确率。 展开更多
关键词 特征提取 故障诊断 特征融合 近似熵 卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的近红外光谱与数字图像特征信息融合木材树种识别 被引量：1
3
作者 潘玺 李康 杨忠 《林业科学》 EI CAS CSCD 北大核心 2024年第12期136-145,共10页
【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图... 【目的】基于卷积神经网络自动提取,探究融合木材近红外光谱与数字图像特征信息准确识别木材树种的可行性。【方法】以樟科10种木材标本为例,使用手持式近红外光谱仪和便携式扫描仪采集木材标本横切面近红外光谱和图像。创新引入递归图方法,将手持式近红外光谱仪采集的一维短波长近红外光谱转换为二维图像,促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,实现近红外光谱与图像在二维尺度上的融合。构建结构简单的双分支卷积神经网络模型,自动提取、融合近红外光谱与图像特征识别木材树种。【结果】与直接使用一维近红外光谱的建模方法相比,近红外光谱递归图结合卷积神经网络模型的识别性能提升1.79%~14%;与使用近红外光谱或图像单一特征识别相比,双分支卷积神经网络模型自动提取、融合近红外光谱与图像特征,对10种木材的识别性能至少提高3%,模型准确率、精度和召回率均大于99%。【结论】一维短波长近红外光谱递归图转换能够促进卷积神经网络从近红外光谱数据中提取判别性更强的特征,提高模型识别性能。双分支卷积神经网络能够充分提取并有效融合木材近红外光谱与图像特征,一定程度上可克服使用单一特征识别木材树种的不足,提高木材树种识别效果。 展开更多
关键词 木材树种识别 卷积神经网络 近红外光谱 图像 特征提取与融合
在线阅读 下载PDF
基于双路射频指纹卷积神经网络与特征融合的雷达辐射源个体识别 被引量：1
4
作者 肖易寒 王博煜 +1 位作者 于祥祯 蒋伊琳 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3238-3245,共8页
为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行... 为实现雷达辐射源个体识别不受信号参数、调制方式的影响,该文提出基于双路射频指纹卷积神经网络(Dual RFF-CNN2)和特征融合的雷达辐射源个体识别方法。首先从接收的射频信号中提取原始I/Q(Raw-I/Q)信号;其次分别对Raw-I/Q两路信号进行轴向积分双谱(AIB)和围线积分双谱(SIB)降维以构建双谱积分矩阵;最后将Raw-I/Q信号及双谱积分矩阵共同送入Dual RFF-CNN2网络并进行特征融合以实现雷达辐射源个体识别。实验结果表明,该方法具有较高的识别准确率,提取的“指纹特征”具备稳定性、鲁棒性。 展开更多
关键词 雷达辐射源个体识别 双路射频指纹卷积神经网络 特征融合 指纹特征 原始I/Q信号
在线阅读 下载PDF
卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法 被引量：4
5
作者 赵凤 耿苗苗 +2 位作者 刘汉强 张俊杰 於俊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第5期2237-2248,共12页
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复... 高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。 展开更多
关键词 高光谱图像分类 卷积神经网络 视觉Transformer 多尺度特征 融合网络
在线阅读 下载PDF
基于特征金字塔卷积循环神经网络的故障诊断方法 被引量：12
6
作者 刘秀丽 徐小力 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第2期182-190,共9页
变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)... 变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)框架,并联CNN的卷积层和循环神经网络(RNN)中的长短时记忆(LSTM)层,形成新的CRNN,以充分利用CNN对空间域信息和RNN对时域信息的学习能力;在每一层中权值共享,减少网络参数;利用FPN构建全新特征图,输入一维信号和堆叠后形成的二维信号,对传感器采集的信号进行特征提取,实现故障诊断.利用行星齿轮箱进行故障试验,并进行5折交叉验证,该方法的诊断准确率平均值为99.20%,比基本神经网络模型至少高3.62%,表明该方法诊断精度高、鲁棒性强;利用凯斯西储大学轴承数据集进行验证,证明该方法具有良好的泛用性;利用t-SNE方法对模型的特征学习效果进行可视化分析,结果表明不同故障类别特征具有良好的聚类效果. 展开更多
关键词 卷积循环神经网络 特征金字塔 故障诊断 特征可视化
在线阅读 下载PDF
基于深度卷积神经网络的多特征融合的手势识别 被引量：13
7
作者 贠卫国 史其琦 王民 《液晶与显示》 CAS CSCD 北大核心 2019年第4期417-422,共6页
针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积... 针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。 展开更多
关键词 手势识别 手势提取 多特征融合 深度卷积神经网络 鲁棒性
在线阅读 下载PDF
基于多特征融合卷积神经网络的人脸表情识别 被引量：15
8
作者 王建霞 陈慧萍 +1 位作者 李佳泽 张晓明 《河北科技大学学报》 CAS 2019年第6期540-547,共8页
针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行... 针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。 展开更多
关键词 计算机图像处理 面部表情识别 卷积神经网络 特征融合 特征提取 表情分类
在线阅读 下载PDF
采用多尺度自适应选择卷积神经网络的轴承故障诊断研究 被引量：4
9
作者 张玺君 尚继洋 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第2期127-135,共9页
针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征... 针对轴承故障诊断方法中传统多尺度卷积神经网络对不同尺度的特征只是简单拼接,而未考虑不同尺度的特征差异的问题,提出一种多尺度自适应选择卷积神经网络轴承故障诊断模型(MSASCNN)。通过不同大小的宽卷积筛选原始轴承振动信号中的特征,合并为初始特征;构建多尺度自适应选择卷积块,提取不同尺度的特征,利用改进的注意力机制自适应调整不同尺度的特征权重,加入残差连接,防止模型退化;通过分类器完成轴承故障诊断。在凯斯西储大学轴承数据集和XJTU-SY轴承数据集上的实验结果表明:在模型改进实验中,与没有改进注意力机制的模型相比,所提模型的轴承故障诊断准确率提升了1.98%;在不同信噪比的噪声干扰环境中,所提模型的轴承故障诊断准确率均高于93%。 展开更多
关键词 轴承故障诊断 卷积神经网络 自适应融合 注意力机制 多尺度特征
在线阅读 下载PDF
卷积神经网提取特征的红外与可见光图像融合研究
10
作者 郑晓东 郑业爽 栾国森 《激光杂志》 CAS 北大核心 2024年第5期133-138,共6页
当前红外与可见光图像融合存在一些难题,导致前红外与可见光图像精度低,误差大,而且前红外与可见光图像融合效率低,为了解决当前红外与可见光图像过程存在的问题,设计了基于卷积神经网提取特征的红外与可见光图像融合方法。首先分别采... 当前红外与可见光图像融合存在一些难题,导致前红外与可见光图像精度低,误差大,而且前红外与可见光图像融合效率低,为了解决当前红外与可见光图像过程存在的问题,设计了基于卷积神经网提取特征的红外与可见光图像融合方法。首先分别采集对象的红外图像和可见光图像,并对原始图像去噪等预处理,改善图像的质量,然后采用卷积神经网络提取红外与可见光图像融合特征,根据特征得到红外与可见光图像融合结果,最后进行了仿真实验,结果表明本方法红外与可见光图像的融合结果的融合比率提高了0.24,平均梯度值提升了0.22,图像融合质量更高。 展开更多
关键词 卷积神经网络 提取特征 融合比率 仿真测试
在线阅读 下载PDF
基于双向特征融合卷积神经网络的液晶面板缺陷检测算法 被引量：3
11
作者 彭大芹 刘恒 +1 位作者 许国良 邓柯 《广东通信技术》 2019年第4期66-73,共8页
针对手机液晶面板生产工业中缺陷检测面临的精度低的问题,提出了一种基于深度学习的液晶面板缺陷检测算法,该算法在传统单向特征融合的基础上提出了双向特征融合的网络结构,并提出一种新型的特征融合方法。结合多源域缺陷数据的迁移学... 针对手机液晶面板生产工业中缺陷检测面临的精度低的问题,提出了一种基于深度学习的液晶面板缺陷检测算法,该算法在传统单向特征融合的基础上提出了双向特征融合的网络结构,并提出一种新型的特征融合方法。结合多源域缺陷数据的迁移学习的方法进行了训练,实现了手机液晶面板缺陷数据集上对缺陷目标的检测。实验结果表明,针对多种不同类型的手机液晶面板缺陷,该方法达到了75.4%的mAP,相较于YOLO算法提升了13.9%,提升了液晶面板缺陷检测的检测精度。 展开更多
关键词 深度卷积神经网络 双向特征融合 缺陷检测 液晶面板 深度学习 迁移学习
在线阅读 下载PDF
基于混合层次特征融合卷积神经网络的语音情感识别模型 被引量：2
12
作者 李平 《信息化研究》 2023年第6期21-28,共8页
随着人们对人机交互技术的自然度和人性化要求的不断提高,语音情感识别技术备受关注,因为它易于使用且传递情感信息更为丰富。而卷积神经网络(CNN)因能有效地捕获频谱图中的关键局部特征和结构而成为语音情感识别的主流模型之一。本文基... 随着人们对人机交互技术的自然度和人性化要求的不断提高,语音情感识别技术备受关注,因为它易于使用且传递情感信息更为丰富。而卷积神经网络(CNN)因能有效地捕获频谱图中的关键局部特征和结构而成为语音情感识别的主流模型之一。本文基于CNN提出了一种混合层次特征融合卷积神经网络(Mixed-Level Feature Fusion CNN, MLFF-CNN),MLFF-CNN通过融合卷积神经网络的浅层和深层特征,不仅能够利用CNN浅层捕获的语音信号中的局部信息,还能够有效地利用深层捕获更高级、结构化的情感信息。此外,为减少融合时的信息冗余,本文提出了一个混合层次特征融合的注意力机制,应用于MLFF-CNN中的浅层和深层特征融合,有助于选择与情感相关性最高的信息进行融合。在广泛使用的情感数据集IEMOCA和CASIA上的实验结果显示,MLFF-CNN模型在语音情感识别任务上优于现有的先进方法,证明了本文所提方法的有效性和可行性。 展开更多
关键词 语音情感识别 卷积神经网络 混合层次特征融合 注意力机制
在线阅读 下载PDF
基于卷积神经网络和深度特征融合的学习表情识别 被引量：1
13
作者 范凌云 《科学技术创新》 2022年第11期85-88,共4页
针对单一特征难以精确区分局部区域重合的学习表情等问题,提出了一种基于卷积神经网络的深度特征提取及融合方法,首先提取灰度特征和LBP纹理,其次利用Alexnet卷积神经网络提取深度特征,并将深度特征通过向量拼接进行特征融合,然后对融... 针对单一特征难以精确区分局部区域重合的学习表情等问题,提出了一种基于卷积神经网络的深度特征提取及融合方法,首先提取灰度特征和LBP纹理,其次利用Alexnet卷积神经网络提取深度特征,并将深度特征通过向量拼接进行特征融合,然后对融合特征进行PCA降维处理。通过SVM分类器在CK+数据集上进行学习表情识别实验,实验结果表明,深度融合特征显著提高了识别效率,具有更好的特征鲁棒性。 展开更多
关键词 卷积神经网络 特征融合 学习表情识别
在线阅读 下载PDF
基于融合特征以及卷积神经网络的环境声音分类系统研究 被引量：21
14
作者 张科 苏雨 +2 位作者 王靖宇 王霰宇 张彦华 《西北工业大学学报》 EI CAS CSCD 北大核心 2020年第1期162-169,共8页
环境声音识别系统主要基于深度神经网络以及种类繁多的听觉特征对环境声音进行分类识别。分析基于深度神经网络的环境分类任务中,哪种听觉特征更适合环境声音识别系统十分必要。选择了基于2个广泛使用的滤波器:梅尔和Gammatone滤波器组... 环境声音识别系统主要基于深度神经网络以及种类繁多的听觉特征对环境声音进行分类识别。分析基于深度神经网络的环境分类任务中,哪种听觉特征更适合环境声音识别系统十分必要。选择了基于2个广泛使用的滤波器:梅尔和Gammatone滤波器组提取的3种声音特征。随后,提出了一个MFCC和GFCC融合的特征MGCC。最后采用文中提出的深度卷积神经网络来验证哪种特征更适合于环境声音的分类识别。实验结果表明,在基于神经网络的环境声音分类系统中,信号处理特征比频谱图特征的效果好,其中,MGCC特征具有比其他特征更好的性能。最后,用文中提出的MCC-CNN模型与其他环境声音分类模型在UrbanSound 8K数据集上进行了对比。实验结果表明,所提模型分类精度最好。 展开更多
关键词 环境声音 特征融合 声音分类 卷积神经网络
在线阅读 下载PDF
基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法 被引量：13
15
作者 李泽东 李志农 +2 位作者 陶俊勇 毛清华 张旭辉 《兵工学报》 EI CAS CSCD 北大核心 2022年第12期3228-3239,共12页
针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障... 针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明:该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。 展开更多
关键词 注意力增强卷积 深度卷积神经网络 特征融合 航空发动机滚动轴承 故障诊断
在线阅读 下载PDF
基于多特征融合与卷积神经网络的房颤检测 被引量：5
16
作者 魏晓玲 刘明 +1 位作者 苑新 李籦霏 《激光杂志》 北大核心 2017年第5期176-179,共4页
为了解决传统的房颤检测算法中P波形态多变而不易提取特征的问题,本文提出了一种基于多特征融合与卷积神经网络结合的房颤检测算法。首先,分别提取单心拍心房活动信号递归矩阵的特征值及相邻两个心拍的心房活动信号的相干谱来得到底层特... 为了解决传统的房颤检测算法中P波形态多变而不易提取特征的问题,本文提出了一种基于多特征融合与卷积神经网络结合的房颤检测算法。首先,分别提取单心拍心房活动信号递归矩阵的特征值及相邻两个心拍的心房活动信号的相干谱来得到底层特征;然后,分别采用卷积神经网络对底层特征进行分析;最后,采用决策级融合来改善算法的性能。经MIT-BIH房颤数据库验证,该算法的正确率,灵敏度,特异性分别可达95.62%,99.88%,91.36%。结果表明,该方法能有效解决特征提取困难,泛化能力差的问题。 展开更多
关键词 卷积神经网络 多特征融合 心房活动特征 特征提取
在线阅读 下载PDF
用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法 被引量：6
17
作者 胡勤伟 陶庆 +3 位作者 王妮妮 陈清正 吴腾辉 张小栋 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第4期185-193,202,共10页
针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维... 针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集;建立多尺度特征融合卷积神经网络模型(MFCNN),该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取,构建多尺度特征融合单元对不同层级特征进行融合,并通过全连接等操作完成模型的训练;将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征,实现短时间视觉刺激下SSVEP信号的有效识别,并具有较高的目标识别效率。实验结果表明,在1 s刺激时长时,相比传统功率谱密度分析方法、典型相关分析方法以及普通卷积结构方法,所提方法的识别准确率分别提升了18.57%、20.08%及7.03%,有效提高了基于稳态视觉诱发电位范式下脑机接口的信号识别性能。 展开更多
关键词 稳态视觉诱发电位 目标识别 多尺度特征融合 卷积神经网络 小波变换 脑机接口
在线阅读 下载PDF
基于卷积神经网络多层特征融合的目标跟踪 被引量：2
18
作者 苗军 李凯 许少武 《现代电子技术》 北大核心 2018年第24期114-116,共3页
为了对目标对象进行鲁棒的特征表达以用于更加准确的跟踪和定位,针对卷积神经网络的不同层能够提取到目标的不同特征表达这一特性,提出一种基于卷积神经网络多层特征融合的目标跟踪方法。该方法将网络提取到的低层纹理特征和高层语义特... 为了对目标对象进行鲁棒的特征表达以用于更加准确的跟踪和定位,针对卷积神经网络的不同层能够提取到目标的不同特征表达这一特性,提出一种基于卷积神经网络多层特征融合的目标跟踪方法。该方法将网络提取到的低层纹理特征和高层语义特征进行有效的融合,并将之用于跟踪网络模型的训练。此外,融合后的特征表达还被用来训练Bounding Box回归模型,用于对跟踪结果的优化。通过在OTB100标准数据集上将所提方法与目前有代表性的几种跟踪方法进行对比,所提出的特征融合方法使系统的综合指标得到了显著提升,证明所提方法的有效性。 展开更多
关键词 目标跟踪 特征融合 特征表达 目标定位 卷积神经网络 回归模型
在线阅读 下载PDF
基于特征融合卷积神经网络的FMCW雷达人体动作识别 被引量：12
19
作者 张丽丽 刘博 +1 位作者 屈乐乐 刘雨轩 《电讯技术》 北大核心 2022年第2期147-154,共8页
针对微多普勒特征识别人体动作的局限性,基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达采用深度学习方法对人体动作识别,提出了一种特征融合卷积神经网络结构。利用FMCW雷达采样的人体动作回波数据分别构建出时间-距... 针对微多普勒特征识别人体动作的局限性,基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达采用深度学习方法对人体动作识别,提出了一种特征融合卷积神经网络结构。利用FMCW雷达采样的人体动作回波数据分别构建出时间-距离特征和微多普勒特征图,将这两种特征图作为输入数据分别经由输入层进入卷积层,经Batch Normalization层、ReLU激活函数和最大池化层计算之后完成特征降维,然后对两种降维后的特征进行融合,融合后的特征图再经过卷积层和池化层计算获得更深层次的特征,最后经过两个全连接层,在输出层完成人体动作识别。采用英国格拉斯哥大学公开的数据集进行10折交叉验证,实验结果显示,与单一特征域的识别准确率相比,采用两种特征融合的结构进行人体动作识别的准确率提升了1%,验证了该模型的有效性。 展开更多
关键词 人体动作识别 调频连续波雷达 特征融合卷积神经网络 时间-距离特征 微多普勒特征
在线阅读 下载PDF
基于拉东投影与改进卷积神经网络的小样本水下目标声呐图像识别方法 被引量：1
20
作者 周光波 张培珍 +1 位作者 莫晴舒 尹晓锋 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第10期2048-2056,共9页
针对水下声呐图像质量差、样本数量少导致目标识别精确度低的问题,本文提出一种水下目标识别方法。利用增量的全向Radon投影特征图作为输入数据,结合改进结构的卷积神经网络,实现小样本声呐图像识别。实验以5种不同目标声呐图像的Radon... 针对水下声呐图像质量差、样本数量少导致目标识别精确度低的问题,本文提出一种水下目标识别方法。利用增量的全向Radon投影特征图作为输入数据,结合改进结构的卷积神经网络,实现小样本声呐图像识别。实验以5种不同目标声呐图像的Radon特征图作为输入,分别采用迁移学习得到的ResNet-18、GoogLeNet模型以及改进模型进行实验,验证改进模型的结构合理性;将原始图像结合改进模型进行识别,验证Radon特征图作为数据源的优势。原图结合改进模型、Radon特征图结合ResNet-18、GoogLeNet模型及改进模型的最优训练样本数分别为960、1440、5760和1200;训练用时依次为328、699、8678和447 s;相应最佳识别准确率分别为97.8%、94.4%、93.9%和99.9%。通过混淆矩阵给出不同方法预报错误的类别及数量,进一步解释出现误判的原因。结果表明:本文所提出的方案能够在较少的样本数和较低的运算成本条件下获取较高的精度。研究成果能够作为目标声呐图像识别分类的有效方法,并可望推广至更多水下目标分类。 展开更多
关键词 水下目标识别 声呐图像 数据增量 RADON变换 卷积神经网络 迁移学习 深度学习 特征融合
在线阅读 下载PDF
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 2 … 13 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部