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139篇文章
< 1 2 … 7 >
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：
基于LSTM-SAFCN模型的生物质锅炉NO_(x)排放浓度预测 被引量：1
1
作者 何德峰 刘明裕 +2 位作者 孙芷菲 王秀丽 李廉明 《高技术通讯》 CAS 北大核心 2024年第1期92-100,共9页
针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓... 针对生物质锅炉燃烧过程的动态特性,提出一种改进的长短期记忆-自注意力机制全卷积神经网络(LSTM-SAFCN)模型用于预测NO_(x)排放浓度。首先利用完全自适应噪声集合经验模态分解法(CEEMDAN)对数据进行预处理,消除数据噪声对NO_(x)排放浓度预测的影响;其次融合自注意力机制与长短时记忆-全卷积神经网络(LSTM-FCN)进行特征提取与预测建模,该拓展方法能够同时兼顾时间序列数据的局部细节与长期趋势特征;最后,利用生物质热电联产系统的实际运行数据验证了所提算法的有效性。 展开更多
关键词 生物质锅炉 NO_(x)排放浓度预测 经验模态分解 长短时记忆-全卷积神经网络(LSTM-fcn) 自注意力机制
在线阅读 下载PDF
基于样本迭代优化策略的密集连接多尺度土地覆盖语义分割 被引量：1
2
作者 郑宗生 高萌 +3 位作者 周文睆 王政翰 霍志俊 张月维 《自然资源遥感》 北大核心 2025年第2期11-18,共8页
针对分割结果小尺度地物遗漏、连续地物缺乏完整性问题,提出密集连接多尺度语义分割模型(densely connected multi-scale semantic segmentation network, DMS-Net),实现土地覆盖分割。通过多尺度密集连接空洞空间卷积金字塔池化(multi-... 针对分割结果小尺度地物遗漏、连续地物缺乏完整性问题,提出密集连接多尺度语义分割模型(densely connected multi-scale semantic segmentation network, DMS-Net),实现土地覆盖分割。通过多尺度密集连接空洞空间卷积金字塔池化(multi-scale dense connected atrous spatial convolution pyramid pooling module, MDCA)和条形池化(spatial pyramid pooling, SP)提取多尺度和空间连续性地物;利用特征增强双注意力并联模块(position paralleling channel attention module, PPCA)衡量特征权重,实现高效表达;采用浅层特征级联模块(cascade low-level feature fusion, CLFF)捕捉被忽略的浅层特征,进一步补充细节。实验结果表明:DMS-Net模型在迭代扩充数据集上的总体精度(overall accuracy, OA)达到89.97%,平均交并比(mean intersection over union, mIoU)达到75.59%,高于传统机器学习方法及U-Net, PSPNet, Deeplabv3+等深度学习模型。分割结果显示,地物结构完整且边缘分割明晰,在实现多尺度的土地覆盖遥感信息提取分析中具有较好的实用价值。 展开更多
关键词 深度学习 全卷积神经网络 多尺度 语义分割 土地覆盖
在线阅读 下载PDF
局部聚类分析的FCN-CNN云图分割方法 被引量：11
3
作者 毋立芳 贺娇瑜 +2 位作者 简萌 邹蕴真 赵铁松 《软件学报》 EI CSCD 北大核心 2018年第4期1049-1059,共11页
空气中的尘埃、污染物及气溶胶粒子的存在严重影响了大气预测的有效性,毫米波雷达云图的有效分割成为解决这一问题的关键.提出了一种基于超像素分析的全卷积神经网路FCN和深度卷积神经网络CNN(FCNCNN)的云图分割方法.首先通过超像素分... 空气中的尘埃、污染物及气溶胶粒子的存在严重影响了大气预测的有效性,毫米波雷达云图的有效分割成为解决这一问题的关键.提出了一种基于超像素分析的全卷积神经网路FCN和深度卷积神经网络CNN(FCNCNN)的云图分割方法.首先通过超像素分析对云图每个像素点的近邻域实现相应的聚类,同时将云图输入到不同步长的全卷积神经网络FCN 32s和FCN 8s中实现云图的预分割;FCN 32s预测结果中的"非云"区域一定是云图中的部分"非云"区域,FCN 8s预测结果中的"云"区域一定是云图中的部分"云"区域;余下的不确定的区域通过深度卷积神经网络CNN进行进一步分析.为提高效率,FCN-CNN选取了不确定区域中超像素的几个关键像素来代表超像素区域的特征,通过CNN网络来判断关键像素是"云"或者是"非云".实验结果表明,FCN-CNN的精度与MR-CNN、SP-CNN相当,但是速度相比于MR-CNN提高了880倍,相比于SP-CNN提高了1.657倍. 展开更多
关键词 云图像 超像素 全卷积神经网络 卷积神经网络 图像分割
在线阅读 下载PDF
基于FCNN和ICAE的SAR图像目标识别方法 被引量：10
4
作者 喻玲娟 王亚东 +2 位作者 谢晓春 林赟 洪文 《雷达学报（中英文）》 CSCD 北大核心 2018年第5期622-631,共10页
近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得... 近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得更高的识别率,但在训练过程中仍需要大量的带标签训练样本。该文提出一种基于FCNN和改进的卷积自编码器(Improved Convolutional Auto-Encoder, ICAE)的SAR图像目标识别方法,即先用ICAE无监督训练方式获得的编码器网络参数初始化FCNN的部分参数,后用带标签训练样本对FCNN进行训练。基于MSTAR数据集的十类目标分类实验结果表明,在不扩充带标签训练样本的情况下,该方法不仅能获得98.14%的平均正确识别率,而且具有较强的抗噪声能力。 展开更多
关键词 合成孔径雷达 自动目标识别 全卷积神经网络 卷积自编码器 改进的卷积自编码器
在线阅读 下载PDF
基于FCN和互信息的医学图像配准技术研究 被引量：7
5
作者 曾安 王烈基 +1 位作者 潘丹 黄殷 《计算机工程与应用》 CSCD 北大核心 2020年第18期202-208,共7页
针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准... 针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络(Fully Convolutional Networks,FCN)和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。 展开更多
关键词 全卷积神经网络 互信息算法 多模态 三维图像配准
在线阅读 下载PDF
融合VGG与FCN的智能出租车订单预测模型 被引量：3
6
作者 李浩 霍雯 +2 位作者 裴春营 袁瑶瑶 康雁 《计算机工程》 CAS CSCD 北大核心 2020年第12期276-282,共7页
为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参... 为提高出租车市场管理和运营效率以及实现出租车效益最大化,在地图栅格化的基础上,提出一种融合VGG网络与全卷积网络(FCN)的出租车多区域订单预测模型。将出租车轨迹数据转换为订单图像,去除VGG网络全连接层仅保留主要结构以减少模型参数,利用该网络中深度卷积提取不同空间区域出租车行驶特征,使用FCN中反卷积层上采样重构下一个时间段出租车订单图像,从而获得不同区域和时间段的出租车订单预测数据,并以订单图像形式呈现在地图上。实验结果表明,与BP、RBF等预测模型相比,该模型预测结果平均准确率更高且均方根误差更低,可快速预测出租车多区域订单分布情况。 展开更多
关键词 出租车订单预测 VGG网络 全卷积网络 反卷积层 融合模型
在线阅读 下载PDF
基于深度学习的无标签超分辨率土地覆盖制图研究
7
作者 汤媛媛 严恩萍 +3 位作者 唐玉宾 聂小力 聂平静 亓梦茹 《西南林业大学学报(自然科学)》 北大核心 2025年第5期147-154,共8页
通过整合标签超分辨率(SR)和实例批量归一化网络(IBN-Net),在无本地高分辨率标签的情况下,实现了福建省光泽县的2m分辨率土地覆盖制图,提出了一种基于深度学习的无标签土地覆盖制图方法。结果表明:利用改进的全卷积神经网络(FCN)模型能... 通过整合标签超分辨率(SR)和实例批量归一化网络(IBN-Net),在无本地高分辨率标签的情况下,实现了福建省光泽县的2m分辨率土地覆盖制图,提出了一种基于深度学习的无标签土地覆盖制图方法。结果表明:利用改进的全卷积神经网络(FCN)模型能够实现标签超分辨率,将低分辨率标签提升至高分辨率,有效提高分类精度;IBN-Net网络增强了模型的泛化能力,显著提升跨域应用的效果。相比于内源低分辨率标签,使用高精度的外源标签使模型在光泽县的整体准确率提高2.55%,达到85.48%。本方法在无匹配标签条件下,显著提升土地覆盖制图的精度,可为区域生态监测和管理提供有效的技术支持。 展开更多
关键词 土地覆盖制图 标签超分辨率 深度学习 fcn网络 IBN网络
在线阅读 下载PDF
基于全连接时空图的短期电力负荷预测方法
8
作者 徐智远 缪卓窈 +3 位作者 龙卓 吴公平 邓丰 邓乐 《电力科学与技术学报》 北大核心 2025年第3期123-132,共10页
短期负荷预测是电力系统中的一项重要任务。目前,对多序列负荷之间的时空邻接关系的研究较少,而一定情况下考虑这种时空邻接性可以提高预测的准确性。为此,提出一种基于全连接图的图卷积神经网络(fully-connected graph based graph con... 短期负荷预测是电力系统中的一项重要任务。目前,对多序列负荷之间的时空邻接关系的研究较少,而一定情况下考虑这种时空邻接性可以提高预测的准确性。为此,提出一种基于全连接图的图卷积神经网络(fully-connected graph based graph convolution neural network,FCGCN)。首先,FCGCN将多序列负荷数据编码成图的节点特征矩阵,结合位置编码的方法增加负荷数据的顺序信息,并利用动态时间规整(dynamic time warping,DTW)算法构建图的邻接矩阵,从而形成负荷数据的全连接时空图;然后,结合滑动窗口算法思想,将构建的全连接图连续分割为一系列子图,再利用图卷积神经网络(graph convolution neural network,GCN)对每个子图单独进行特征提取;其次,为了实现对多源负荷数据的多角度特征提取,FCGCN采用多分支并行结构,将每个分支提取的特征向量串联,并通过全连接层完成对不同负荷的预测;最后,利用来自某生产基地的实际负荷数据进行验证实验。结果表明:与常见的预测模型相比,FCGCN能取得更高的预测精度。 展开更多
关键词 电力系统 多源负荷数据 短期负荷预测 全连接时空图 图卷积神经网络
在线阅读 下载PDF
基于FCN的眼底图像中央凹自动检测算法 被引量：1
9
作者 燕杨 黄文博 《吉林大学学报（理学版）》 CAS 北大核心 2020年第4期893-898,共6页
针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型... 针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型,然后将局部像素级特征推广到全局金字塔池化模块中,使空间统计数据为全局语境理解提供了更好地描述与表达,从而有效获得了极具区分度的全局上下文信息,最后将全局与局部特征相融合,实现对中央凹的精准检测.实验结果表明,该算法提高了眼底暗病变检测的特异性,并为眼底严重病变的发现提供了有效证据. 展开更多
关键词 眼底图像 中央凹检测 全卷积网络 金字塔池化模块
在线阅读 下载PDF
基于深度学习的神经形态芯片辐射源重构方法
10
作者 莫利楠 李燕 《电波科学学报》 北大核心 2025年第3期503-510,共8页
针对神经形态芯片辐射源建模难题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和全连接网络(fully connected network,FCN)的辐射源重构方法。该方法以传统等效源理论为基础,通过近场扫描点与偶极子位置的关系构建... 针对神经形态芯片辐射源建模难题,提出了一种基于卷积神经网络(convolutional neural network,CNN)和全连接网络(fully connected network,FCN)的辐射源重构方法。该方法以传统等效源理论为基础,通过近场扫描点与偶极子位置的关系构建系数矩阵,并将其作为神经网络的输入,对应磁场幅度作为输出,利用神经网络建立偶极子与扫描场之间的映射关系。通过数值仿真和实验测量进行方法验证,结果表明,该方法通过将扫描区域外平面的系数矩阵输入训练好的神经网络可以准确预测对应的磁场幅度,其预测结果与仿真结果及测量结果的相对误差均在5%左右,具有良好的精度。 展开更多
关键词 神经形态芯片 近场扫描 卷积神经网络(CNN) 全连接网络(fcn) 辐射源重构
在线阅读 下载PDF
全卷积定位神经网络在两个地震相互干扰情形下的应用
11
作者 陈慧慧 张雄 +1 位作者 田宵 张伟 《地球物理学报》 北大核心 2025年第1期139-152,共14页
台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个... 台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个波形相互干扰的地震进行定位的情况.本研究基于全卷积神经网络模型,采用叠加两个高斯概率分布的方法,同时标记两个地震,使得同一时窗内存在两个波形相互干扰的地震事件时,神经网络能够同时定位两个地震事件.我们将该方法应用于美国南加州的Ridgecrest地震序列和样本,研究发现输入时窗只包含一个地震事件时,实际数据定位平均误差为2.8 km,当输出标签包含两个地震时,我们利用输出标签减去其中一个地震位置波峰的方法提取出两个地震的位置,估算出的干扰地震事件定位平均误差为7.9 km (定位范围89 km×72 km,包含了位置提取方法的误差).测试表明,该方法对两个波形相互干扰的地震进行定位具有一定的效果,对多事件相互干扰的定位研究具有一定启发意义,从而进一步提高地震监测的完备性. 展开更多
关键词 地震定位 相互干扰 全卷积神经网络
在线阅读 下载PDF
基于FCN与面向对象的滨海湿地植被分类 被引量：11
12
作者 谢锦莹 丁丽霞 +1 位作者 王志辉 刘丽娟 《林业科学》 EI CAS CSCD 北大核心 2020年第8期98-106,共9页
【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被... 【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率QuickBird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合QuickBird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果;2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图;3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱;2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。 展开更多
关键词 滨海湿地植被 遥感监测 全卷积神经网络 面向对象 高分辨率
在线阅读 下载PDF
一种基于改进FCN的多光谱图像建筑物识别方法 被引量：7
13
作者 张永梅 付昊天 +3 位作者 孙海燕 张睿 陈立潮 潘理虎 《计算机工程》 CAS CSCD 北大核心 2019年第1期239-245,共7页
多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度... 多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度和不同尺度下的低层特征,将其归一化为同样尺寸的图像后提取更高层特征,以实现对多光谱图像建筑物的精确识别。实验结果表明,相比传统FCN方法,该方法能够提高识别的精确率与召回率。 展开更多
关键词 多光谱图像 建筑物识别 全卷积神经网络 多尺度信息 训练集扩充
在线阅读 下载PDF
基于改进的R-FCN带纹理透明塑料裂痕检测 被引量：3
14
作者 关日钊 陈新度 +1 位作者 吴磊 徐焯基 《计算机工程与应用》 CSCD 北大核心 2019年第6期168-172,264,共6页
为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,R... 为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点。实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性。 展开更多
关键词 裂痕检测 支持向量机(SVM) 基于区域的全卷积网络(R-fcn) 残差网络(ResNet) 感受野
在线阅读 下载PDF
基于RV-FCN的CT肝脏影像自动分割算法 被引量：8
15
作者 张杰妹 杨词慧 《计算机工程》 CAS CSCD 北大核心 2019年第7期258-263,共6页
由于肝脏的大小、形状因人而异,且CT影像中肝脏与其毗邻器官的灰度对比值较低,难以精准地判断肝脏影像的边界信息。为此,提出一种基于全卷积神经网络(FCN)的改进算法,在FCN的基础上引入残差和VGG-16 网络,得到肝脏影像的初始分割结果。... 由于肝脏的大小、形状因人而异,且CT影像中肝脏与其毗邻器官的灰度对比值较低,难以精准地判断肝脏影像的边界信息。为此,提出一种基于全卷积神经网络(FCN)的改进算法,在FCN的基础上引入残差和VGG-16 网络,得到肝脏影像的初始分割结果。引入批归一化和PReLU激活函数,提高网络的泛化能力和收敛速度。采用条件随机场方法,进一步优化分割结果,提高分割准确率。通过VTK和ITK系统对二维肝脏影像进行三维重建。在3DIRCADb数据集上的实验结果验证了该算法的有效性和高效性。 展开更多
关键词 肝脏分割 全卷积神经网络 残差网络 批归一化 条件随机场
在线阅读 下载PDF
改进R-FCN的船舶识别方法 被引量：7
16
作者 黄致君 桑庆兵 《计算机科学与探索》 CSCD 北大核心 2020年第6期1045-1053,共9页
针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进。首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根... 针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进。首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根据船舶识别的特性改进R-FCN,使得R-FCN在船舶检测上能够完全发挥其性能;最后根据部分类别船舶体积较小识别率低的问题,先采取最大池化层(Maxpooling)进行改进,将小目标船舶识别率提高了4.08个百分点,之后针对ROIAlign进行改进。改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优,精度共提升了13个百分点,还与目前主流的目标检测算法如Faster-RCNN等进行了对比。实验结果表明,该方法识别精度更高,速率与其他方法基本持平。 展开更多
关键词 深度学习 目标检测 区域全卷积网络(R-fcn)
在线阅读 下载PDF
基于改进R-FCN的交通标志检测 被引量：4
17
作者 喻清挺 喻维超 喻国平 《计算机工程》 CAS CSCD 北大核心 2021年第12期285-290,298,共7页
为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特... 为在交通标志检测过程中同时满足精度和速度的需求,建立一种改进的基于区域全卷积网络(R-FCN)的交通标志检测模型。通过K-means聚类算法对数据集进行分析,选择合适的锚点框。对特征提取网络ResNet101进行结构简化,只使用前25层来提取特征,以缩短检测时间。在模型中引入可变形卷积和可变形位置敏感RoI池化层,以提高模型对交通标志的感应能力。模型训练过程中使用在线困难样本挖掘策略从而减少简单样本数量。在交通标志检测数据集GTSDB上的实验结果表明,该模型对交通标志位置信息较敏感,AP50和AP75指标分别达到97.8%和94.7%,检测时间缩至48 ms,检测精度与速度优于Faster R-CNN、R-FCN等模型。 展开更多
关键词 交通标志 区域全卷积网络 ResNet101网络 可变形卷积 可变形位置敏感RoI池化
在线阅读 下载PDF
融合FCN和LSTM的视频异常事件检测 被引量：6
18
作者 武光利 郭振洲 +1 位作者 李雷霆 王成祥 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第5期607-614,共8页
针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征... 针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征分别输入记忆网络分析时间序列的语义信息,并通过残差结构融合图像特征和语义信息;同时,采用跳级结构集成多模态下的融合特征并进行上采样,最终获得与原视频帧大小相同的预测图.所提网络结构模型在加州大学圣地亚哥分校(UCSD)异常检测数据集的ped 2子集和明尼苏达大学(UMN)人群活动数据集上进行测试,均取得了较好的结果.在UCSD上的等错误率低至6.6%,曲线下面积达到了98.2%,F 1分数达到了94.96%;在UMN上的等错误率低至7.1%,曲线下面积达到了93.7%,F 1分数达到了94.46%. 展开更多
关键词 计算机视觉 视频异常检测 像素级预测 全卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于FCN的轮对踏面检测技术 被引量：4
19
作者 杨玲 高军伟 《电子测量技术》 北大核心 2022年第1期117-121,共5页
传统的图像处理方法在检测轮对踏面上的磨损区域时,由于轮对表面存在的阴影以及污渍的影响,易产生误识别问题,为此提出一种基于全卷积神经网络检测踏面轮廓图以识别磨损区域的方法。首先使用CCD相机对低速运行的轮对踏面轮廓图进行采集... 传统的图像处理方法在检测轮对踏面上的磨损区域时,由于轮对表面存在的阴影以及污渍的影响,易产生误识别问题,为此提出一种基于全卷积神经网络检测踏面轮廓图以识别磨损区域的方法。首先使用CCD相机对低速运行的轮对踏面轮廓图进行采集,然后将轮廓图中存在磨损的区域进行标定制作成标签,使用FCN-32S、FCN-16S、FCN-8S模型进行训练。实验结果表明FCN-32S、FCN-16S、FCN-8S模型均能有效检测出存在较大磨损的区域,而FCN-8S模型对于点状磨损区域的检测效果明显优于FCN-32S及FCN-16S,且对于实验中设置的存在污渍干扰的区域3种模型均不存在误识别现象。最后通过MIoU值对FCN-32S、FCN-16S、FCN-8S检测效果进行评价,改变模型训练次数,MIoU值最终会停留在0.7附近,检测效果良好。 展开更多
关键词 机器视觉 全卷积神经网络 卷积层 池化层 全连接层
在线阅读 下载PDF
基于微型FCN和传感器数据融合的迷宫小车姿态调整 被引量：1
20
作者 李明杰 冯有前 +1 位作者 尹忠海 周诚 《传感器与微系统》 CSCD 2019年第4期93-95,99,共4页
为了实现无人小车在无标志迷宫内的姿态调整,在融合了超声波传感器和摄像头数据的基础上,提出了一种微型全卷积网络(FCN),用于实时分割地面,检测迷宫车道线,进行精确调整。该网络相较于常见的FCN,参数量下降了97%,显存占用下降了86. 44%... 为了实现无人小车在无标志迷宫内的姿态调整,在融合了超声波传感器和摄像头数据的基础上,提出了一种微型全卷积网络(FCN),用于实时分割地面,检测迷宫车道线,进行精确调整。该网络相较于常见的FCN,参数量下降了97%,显存占用下降了86. 44%,检测帧率达到了11. 2 fps,可用于嵌入式系统搭载。经实测检验,算法具有良好的调整效果,可用于小车迷宫内实时姿态调整。 展开更多
关键词 迷宫小车 姿态调整 微型全卷积网络(fcn) 车道线检测
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 … 7 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