深度连续卷积神经网络模型构建与性能分析 被引量：26

1

作者 牛连强 陈向震 +1 位作者 张胜男 王琪辉 《沈阳工业大学学报》 EI CAS 北大核心 2016年第6期662-666,共5页

为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用... 为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势. 展开更多

关键词 卷积神经网络 连续卷积 深度学习 网络结构 特征提取 参数优化 池化 图像识别

在线阅读 下载PDF 职称材料

一种连续卷积与时空正则项的相关滤波目标跟踪算法 被引量：1

2

作者 李晓艳 孙梦宇 +1 位作者 王鹏 杨永侠 《西北工业大学学报》 EI CAS CSCD 北大核心 2019年第6期1264-1270,共7页

针对STRCF算法在目标被遮挡及快速旋转时定位不准确的问题,提出了一种连续卷积与时空正则项的相关滤波算法。该算法利用插值算子将响应函数在一定周期内转换为连续函数,提高了目标定位精度;加入时空正则项构建相关滤波模型,保证模型与... 针对STRCF算法在目标被遮挡及快速旋转时定位不准确的问题,提出了一种连续卷积与时空正则项的相关滤波算法。该算法利用插值算子将响应函数在一定周期内转换为连续函数,提高了目标定位精度;加入时空正则项构建相关滤波模型,保证模型与上一帧模型相似,提高算法鲁棒性;采用快速多尺度滤波对尺度进行更新,提高运算效率。实验结果表明,所提算法的平均重叠率可达73%,中心位置误差低于8.2个像素,可以实现对目标实时和鲁棒性跟踪。 展开更多

关键词 目标跟踪 相关滤波 连续卷积 时空正则项

在线阅读 下载PDF 职称材料

基于一维卷积神经网络与自编码算法的松属物种鉴别机制

3

作者 陈冬英 翁伟雄 +1 位作者 陈培亮 魏建崇 《生态学报》 北大核心 2025年第5期2401-2411,共11页

松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并... 松属植物具有重要的生态和经济价值。但松属植物的基因组庞大、分子进化慢,物种的特征相似性极高,辨别难度大。为解决传统松属物种鉴别方法存在的成本高、耗时长、准确率低、操作复杂等问题,提出了一种基于松属近红外光谱数据(NIRS)并结合一维连续型卷积神经网络(1D⁃CS⁃CNN)与自编码技术的松属物种检测机制。使用更高效率的连续型结构替代传统1D⁃CNN模型中隐含层结构,并针对松属NIRS数据适应性改进为1D⁃CS⁃CNN模型,使其可直接应用于一维NIRS数据。结合自编码器的重构误差设计一种考虑未知类别的松属物种鉴别方法,通过待测样本的自编码重构误差来解决卷积神经网络置信度过高的问题,将修正的置信度与预先设定的阈值进行比较,判断该样本是否为未知品种。实验结果表明,1D⁃CS⁃CNN训练集与测试集准确率均达到近100%,损失值收敛为0.015,改进后的1D⁃CS⁃CNN模型识别速度更快;同时,自编码模型对未知类别松属检测机制识别率为99%。实验结果证明,该模型可快速高效分类出不同松属物种,同时检测出松属新物种。 展开更多

关键词 松属物种 近红外光谱(NIRS) 自编码器 一维连续卷积神经网络(1D⁃CS⁃CNN) 鉴别

在线阅读 下载PDF 职称材料

连续域卷积操作跟踪算法的改善 被引量：1

4

作者 王鑫 李玉芳 +1 位作者 宋策 韩松伟 《液晶与显示》 CAS CSCD 北大核心 2019年第11期1115-1123,共9页

针对连续域卷积操作跟踪算法中存在的计算复杂问题和过拟合问题,提出一种降维卷积因式分解方法和一个紧凑衍生模型。本文选取连续域卷积操作跟踪算法中的部分特征通道、因式分解卷积算子,并结合高斯-牛顿法和共轭梯度迭代求取降维矩阵... 针对连续域卷积操作跟踪算法中存在的计算复杂问题和过拟合问题,提出一种降维卷积因式分解方法和一个紧凑衍生模型。本文选取连续域卷积操作跟踪算法中的部分特征通道、因式分解卷积算子,并结合高斯-牛顿法和共轭梯度迭代求取降维矩阵和分类器,以达到降低系统的计算复杂程度的目的。选取服从高斯分布的若干样本,结合联和概率密度函数及混合高斯分布模型,构建一个更具代表性的紧凑衍生模型,既能降低过拟合出现的风险又能保证样本的多样性。通过降低模型更新频率,减少计算复杂度,同时降低模型漂移发生的概率。经实验验证,本文基于四类标准数据集获得的跟踪性能曲线积分比连续域卷积操作跟踪算法最少高出0.8%,最多高出13%。结果表明,降维卷积因式分解法和紧凑衍生模型可以有效地提升系统跟踪性能。 展开更多

关键词 连续域卷积操作 卷积因式分解 过拟合 紧凑衍生模型

在线阅读 下载PDF 职称材料

基于连续非对称卷积结构的手写体数字识别 被引量：7

5

作者 张志佳 吴天舒 +2 位作者 刘云鹏 方景哲 李雅红 《沈阳工业大学学报》 EI CAS 北大核心 2018年第5期518-523,共6页

为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GP... 为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GPU加速库对手写体数字识别进行加速.在MNIST手写体数字数据库上进行实验,提出的网络结构识别准确率达到99.62%,单张图像识别速度为0.005 8 s.经实验结果对比表明,该网络结构在识别准确率和识别速度上得到有效提升. 展开更多

关键词 连续非对称卷积结构 手写体数字识别 极限学习机 深度学习 批量正则化 MSRA初始化 CUDA并行计算 MNIST数据库

在线阅读 下载PDF 职称材料

基于三维点云的卷积运算综述 被引量：3

6

作者 韩冰 张鑫云 任爽 《计算机研究与发展》 EI CSCD 北大核心 2023年第4期873-902,共30页

随着深度相机、激光雷达等3D扫描设备的普及,用点云表示3D数据的方法越来越流行,对点云数据的分析与处理也引起了视觉研究领域的极大兴趣.一般来说,由于分布在3D几何空间中的点云是无序的,可以形成特定的结构,因此学习到的特征表示应该... 随着深度相机、激光雷达等3D扫描设备的普及,用点云表示3D数据的方法越来越流行,对点云数据的分析与处理也引起了视觉研究领域的极大兴趣.一般来说,由于分布在3D几何空间中的点云是无序的,可以形成特定的结构,因此学习到的特征表示应该具备排列不变性、旋转和平移不变性、形状区分性.近年来,越来越多的研究人员基于点云的这些特性采用深度学习这一人工智能领域中的主流技术来处理分析点云数据.其中,卷积神经网络使用的卷积运算具备权重共享、局部聚合和变换不变等优点,减少了训练参数的个数,并具有较强的鲁棒性,可以有效地降低网络复杂度并提升网络性能,因此在各种2D视觉问题(如图像、视频)上的研究及应用已经相对成熟,这也引起了研究人员的高度关注并尝试将其引入到点云处理任务中.但传统的标准卷积运算往往无法直接作用于点云这种不规则数据上,一些研究人员进而对卷积运算及其卷积算子展开了深入的探索,并提出了多种卷积策略和网络以提高计算效率和算法性能.为了促进之后的研究,首先对现有点云研究中所使用的卷积方法进行了概述,包括基于投影的方法、基于体素的方法、基于晶格的方法、基于图的方法和基于点的方法.之后着重针对直接处理3D点云的卷积算子和网络的最新进展进行了全面的综述,主要分为离散卷积和连续卷积,此外还对使用不同卷积算子的网络在处理点云的分类和分割等任务上的性能进行了全面地分析与对比.最后针对现存的问题与面临的挑战进行了进一步分析,并探索了未来可能的研究方向,希望为点云未来更深入的研究提供新思路. 展开更多

关键词 点云 卷积神经网络 基于点的卷积算子 离散卷积 连续卷积

在线阅读 下载PDF 职称材料

CADCNet:一种改进的视网膜血管分割算法

7

作者 岳昱超 王迎美 秦嘉川 《科学技术与工程》 北大核心 2025年第3期962-968,共7页

目前传统的视网膜血管分割方法存在的视盘混淆引起的误分割、分割结果缺乏连续性,以及细节区域分割不精准等问题。为解决这一难题,提出了一种基于UNet的视网膜血管分割算法。该算法利用两个水平和垂直一维卷积和二维方形卷积的融合替代... 目前传统的视网膜血管分割方法存在的视盘混淆引起的误分割、分割结果缺乏连续性,以及细节区域分割不精准等问题。为解决这一难题,提出了一种基于UNet的视网膜血管分割算法。该算法利用两个水平和垂直一维卷积和二维方形卷积的融合替代传统方形卷积,提高了眼球区域的表征能力;采用了多尺度分支增加特征空间的多样性,提升了网络的特征学习和表达能力。此外,为进一步改善分割效果,还将多层膨胀卷积引入自编码器的深层结构,替代了传统的简单池化操作,增大卷积核的大小,扩大了感受野范围,实现了多尺度浅层特征和深层特征信息的融合。本文算法在公开DRIVE和CHASE_DB1两个数据集上进行了评估,实验结果表明,本文算法的精确率和F_(1)上分别达到了0.9568、0.9598和0.8326、0.8304。与传统的UNet和近期部分UNet改进网络视网膜血管分割方法相比,本文算法在准确率、敏感度、特异性、F_(1)指标上表现出一定的优势,这一验证结果充分证明了本文所提出的模型在分割任务上具备较强的精确分割能力。 展开更多

关键词 视网膜血管分割 连续膨胀卷积 深度学习 不对称卷积 UNet模型

在线阅读 下载PDF 职称材料

二阶卷积的构造

8

作者 КакичевВА 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 1991年第2期125-129,共5页

文中给出了二阶卷积算子的定义和性质并举例说明。

关键词 二阶卷积 算子 离散卷积 连续卷积

在线阅读 下载PDF 职称材料

多特征融合的无人艇视觉小目标鲁棒跟踪 被引量：1

9

作者 王宁 吴伟 +2 位作者 王元元 孙赫男 冯远 《中国舰船研究》 CSCD 北大核心 2024年第5期65-78,共14页

[目的]针对低特征分辨率、相似环境信息引起的无人艇视觉小目标跟踪混淆问题,提出一种多特征融合的连续卷积算子跟踪算法。[方法]首先,采用双三次插值技术,提高多特征图分辨率,实现亚像素级定位;其次,利用特征投影和生成样本空间,提高... [目的]针对低特征分辨率、相似环境信息引起的无人艇视觉小目标跟踪混淆问题,提出一种多特征融合的连续卷积算子跟踪算法。[方法]首先,采用双三次插值技术,提高多特征图分辨率,实现亚像素级定位;其次,利用特征投影和生成样本空间,提高目标跟踪的效率,避免滤波器过拟合;最后,设计高置信度模型更新策略,解决相似环境信息对滤波器的干扰问题。[结果]结果表明:相较于传统的连续卷积算子跟踪算法,平均成功率提升17.4%,平均距离精度指标提升17.8%,期望平均覆盖率提升5.1%。[结论]该算法法能够处理海洋环境下的小目标跟踪混淆问题,为提升无人艇及海洋机器人的智能感知能力,提供关键技术支撑。 展开更多

关键词 海上小目标鲁棒跟踪 多特征融合 连续卷积算子 无人艇视觉

在线阅读 下载PDF 职称材料

基于物理过程的山地原油泄漏模拟方法 被引量：1

10

作者 连远锋 许振林 +2 位作者 李光洋 纪连恩 董绍华 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第6期868-880,共13页

山地输油管道泄漏事故发生后,模拟计算污染扩散范围对应急抢险方案的制定具有重要意义.针对现有的山区原油泄漏模拟方法无法呈现符合物理过程的泄漏油品扩散效果以及模拟速度过慢的问题,提出基于物理过程的山地原油泄漏模拟方法.首先基... 山地输油管道泄漏事故发生后,模拟计算污染扩散范围对应急抢险方案的制定具有重要意义.针对现有的山区原油泄漏模拟方法无法呈现符合物理过程的泄漏油品扩散效果以及模拟速度过慢的问题,提出基于物理过程的山地原油泄漏模拟方法.首先基于空间语义约束构建一种融合Fay流体扩散算法和光滑粒子流体动力学(SPH)的计算模型Fay-SPH;然后设计一个基于Fay约束的连续卷积网络FayNet来加速模拟,通过轻量级注意力模块和三重注意力模块增强网络提取粒子特征信息能力;最后融合位置损失和速度损失来保证模拟结果细节的一致性.在自行采集的油气管线所处山区数据上,基于不同地貌和不同地形进行实验的结果表明,所提方法实现了原油泄漏的高效模拟. 展开更多

关键词 Fay模型 连续卷积 光滑粒子流体动力学 原油泄漏模拟 注意力模块

在线阅读 下载PDF 职称材料

基于多通道输入CNN-SVM的齿轮箱故障诊断 被引量：7

11

作者 卢占标 黄细霞 +1 位作者 姬克 鲍佳松 《传感器与微系统》 CSCD 北大核心 2021年第6期138-141,共4页

为了有效地识别旋转机械的早期故障,采用一种多通道输入连续卷积神经网络支持向量机(CNN-SVM)早期故障诊断模型。模型将来自多个传感器采集不同方向、位置的原始数据直接输入到改进的CNN模型中进行训练。利用改进的CNN从新的原始故障数... 为了有效地识别旋转机械的早期故障,采用一种多通道输入连续卷积神经网络支持向量机(CNN-SVM)早期故障诊断模型。模型将来自多个传感器采集不同方向、位置的原始数据直接输入到改进的CNN模型中进行训练。利用改进的CNN从新的原始故障数据中提取特征,将提取的稀疏代表特征向量输入到SVM中进行故障分类。将所提方法应用于齿轮箱多通道振动信号监测数据的诊断。与改进CNN和主成分分析—支持向量机(PCA-SVM)方法对比分析,所提方法的准确率为99.94%。结果表明:多通道输入CNN-SVM模型诊断精度更高,检测速度更快。 展开更多

关键词 故障诊断 卷积神经网络 支持向量机 连续卷积 多通道

在线阅读 下载PDF 职称材料