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9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：
差分拉曼结合VGG16和DCGAN检验食品包装
1
作者 周君霞 李春宇 +1 位作者 姜红 赵雪珺 《红外与激光工程》 北大核心 2025年第5期92-103,共12页
提出基于具有16层的视觉几何组网络(VGG16)和聚类分析的差分拉曼食品包装检验方法。为了给分类模型提供充足的训练数据,对深度卷积生成对抗网络(DCGAN)的训练策略、生成谱图的质量对VGG16特征提取的影响进行探究。对食品包装的差分拉曼... 提出基于具有16层的视觉几何组网络(VGG16)和聚类分析的差分拉曼食品包装检验方法。为了给分类模型提供充足的训练数据,对深度卷积生成对抗网络(DCGAN)的训练策略、生成谱图的质量对VGG16特征提取的影响进行探究。对食品包装的差分拉曼数据采用Python作成71张谱图后,使用VGG16提取谱图特征,用主成分分析(PCA)对特征降维,使用降维后的特征进行聚类分析。对不同的训练集、不同迭代次数训练出来的DCGAN生成的谱图质量进行比较,并使用VGG16-PCA得到谱图二维特征并可视化。VGG16-PCA-K均值聚类算法和VGG16-PCA-高斯混合模型的聚类准确率分别达到91.5%和88.7%。用同一个类别的谱图作训练集训练的DCGAN,和用全部类别的谱图作训练集训练的DCGAN相比,可以生成谱线更连续、清晰度更高、形状与真实谱图更相似的谱图。将5张生成谱图和25张生成谱图分别与71张真实谱图一起进行VGG16-PCA分析,生成谱图数量占比越大,聚类结果中真实谱图分布变化越大、生成谱图与同类谱图距离越远。将同一个DCGAN模型生成的5张谱图和71张真实谱图一起进行VGG16-PCA分析,针对不同迭代次数的DCGAN的对比研究表明,DCGAN迭代次数越多,生成的谱图越拟真,在可视化图中与同一类别真实谱图距离越近。使用VGG16提取特征可以在免去人工筛选和统计特征峰的工作的同时让聚类结果准确率较高;DCGAN可以生成较为拟真的差分拉曼谱图,生成谱图越拟真则VGG16提取特征越准确。 展开更多
关键词 差分拉曼 食品包装 视觉几何组网络 聚类分析 深度卷积生成对抗网络
在线阅读 下载PDF
基于循环双谱与改进VGGNet的常规雷达目标分类
2
作者 李秋生 熊芳茂 朱化娟 《航空兵器》 2025年第4期95-102,共8页
针对传统雷达目标识别方法在低分辨率和强噪声背景下识别性能受限的问题,本文提出了一种融合循环谱切片与深度学习技术的创新性解决方案。首先,采用时域平滑法计算雷达信号的循环谱,并通过对目标循环谱切片的理论分析获取其区分性特征... 针对传统雷达目标识别方法在低分辨率和强噪声背景下识别性能受限的问题,本文提出了一种融合循环谱切片与深度学习技术的创新性解决方案。首先,采用时域平滑法计算雷达信号的循环谱,并通过对目标循环谱切片的理论分析获取其区分性特征。然后,将切片谱图输入改进型深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)进行数据增强处理,以扩充样本规模并提升模型的泛化能力。在此基础上,利用改进的视觉几何组网络(Visual Geometry Group Network,VGGNet)自动提取表征目标循环平稳性的特征量值。实验结果表明,循环谱能有效表征目标信号的本质属性,并展现对噪声和杂波的强效抑制能力。在有限样本和低信噪比条件下,所提方法的分类准确率显著提升,向站飞行姿态目标分类准确率分别达到98.46%(f=f_(c))与98.40%(f=0),背站飞行姿态目标分类准确率分别为98.30%(f=f_(c))与98.13%(f=0),相较于传统方法和原始VGGNet网络,准确率分别提升了2.06%~2.40%和1.89%~2.34%。 展开更多
关键词 电子战 雷达目标 目标识别 循环谱 深度卷积生成对抗网络 视觉几何组网络
在线阅读 下载PDF
基于改进VGG网络的弱监督细粒度阿尔兹海默症分类方法 被引量：6
3
作者 邓爽 何小海 +2 位作者 卿粼波 陈洪刚 滕奇志 《计算机应用》 CSCD 北大核心 2022年第1期302-309,共8页
针对阿尔兹海默症(AD)患者和正常(NC)人之间核磁共振成像(MRI)图像差别小、分类难度大的问题,提出了基于改进VGG网络的弱监督细粒度AD分类方法。该方法以弱监督数据增强网络(WSDAN)为基本模型,主要由弱监督注意力学习模块、数据增强模... 针对阿尔兹海默症(AD)患者和正常(NC)人之间核磁共振成像(MRI)图像差别小、分类难度大的问题,提出了基于改进VGG网络的弱监督细粒度AD分类方法。该方法以弱监督数据增强网络(WSDAN)为基本模型,主要由弱监督注意力学习模块、数据增强模块及双线性注意力池化模块等构成。首先,通过弱监督力注意学习模块生成特征图和注意力图,并利用注意力图引导数据增强,将原图和增强后的数据同时作为输入数据进行训练;然后,通过双线性注意力池化算法将特征图和注意力图按元素进行点乘,进而得到特征矩阵;最后,将特征矩阵作为线性分类层的输入。将以VGG19作为特征提取网络的WSDAN基本模型应用到AD的MRI数据上,实验结果表明,仅使用图像增强的模型的准确性、敏感性和特异性分别比WSDAN基本模型提高了1.6个百分点、0.34个百分点和0.12个百分点;仅利用VGG19网络的改进的模型的准确性和特异性相较WSDAN基本模型分别提高了0.7个百分点和2.82个百分点;以上两个方法结合使用的模型与WSDAN基本模型相比,准确性、敏感性和特异性分别提高了2.1个百分点、1.91个百分点和2.19个百分点。 展开更多
关键词 改进VGG网络 弱监督 细粒度分类 数据增强 阿尔兹海默症
在线阅读 下载PDF
基于VGG网络的鲁棒目标跟踪算法 被引量：5
4
作者 徐亮 张江 +1 位作者 张晶 杨亚琦 《计算机工程与科学》 CSCD 北大核心 2020年第8期1406-1413,共8页
针对传统目标跟踪算法中当目标被遮挡和受光照强度变化等多种因素干扰时,相关滤波器模板更新不准确,误差逐帧累积最终导致目标跟踪失败,提出了一种基于VGG网络的鲁棒目标跟踪算法。首先通过VGG网络对第1帧输入图像中的局部上下文区域提... 针对传统目标跟踪算法中当目标被遮挡和受光照强度变化等多种因素干扰时,相关滤波器模板更新不准确,误差逐帧累积最终导致目标跟踪失败,提出了一种基于VGG网络的鲁棒目标跟踪算法。首先通过VGG网络对第1帧输入图像中的局部上下文区域提取平均特征图来建立相关滤波器模板;然后通过VGG网络对后续帧输入图像中的局部上下文区域提取平均特征图和仿射变换平均特征图;其次与核相关滤波跟踪算法相结合,自适应确定目标位置和最终目标位置;最后自适应更新最终平均特征图和最终相关滤波器模板。实验结果表明,本文算法在目标被遮挡和受光照强度变化等多种因素干扰时,仍具有较高的目标跟踪精度和较强的鲁棒性。 展开更多
关键词 目标跟踪 VGG网络 核相关滤波 特征图更新 模板更新
在线阅读 下载PDF
基于卷积神经网络的焊接装配特征识别研究 被引量：1
5
作者 陈建强 秦娜 《计算机科学》 CSCD 北大核心 2020年第S02期215-218,235,共5页
为实现高铁白车身焊接拼装技术的智能化与自动化,解决焊接过程中特征区域小、背景干扰多等问题,提出了基于迁移学习和卷积神经网络的焊接装配特征快速识别算法。首先采用二值化等传统图像处理算法确定待提取特征的粗略位置,在此基础上... 为实现高铁白车身焊接拼装技术的智能化与自动化,解决焊接过程中特征区域小、背景干扰多等问题,提出了基于迁移学习和卷积神经网络的焊接装配特征快速识别算法。首先采用二值化等传统图像处理算法确定待提取特征的粗略位置,在此基础上再使用sobel、腐蚀、霍夫线段检测确定特征区域的精确位置。其次,考虑到不同环境下,精确定位后特征区域表现不同,故采用基于卷积神经网络的分类模型以增强预测模型的鲁棒性和准确性。最后,选择基于迁移学习的的视觉几何群网络(VGG16)来解决样本量不足以训练整个模型参数的问题。实验结果表明,本文所提的识别算法能够准确识别型材的状态,且在识别检测速度上优于YOLOV3,在准确率上劣于YOLOV3,算法满足使用场景下的实时性要求。 展开更多
关键词 迁移学习 卷积神经网络 特征快速识别 霍夫线段检测 视觉几何群网络(VGG16)
在线阅读 下载PDF
基于Faster R-CNN的缝隙检测与提取算法 被引量：10
6
作者 肖创柏 柏鳗晏 禹晶 《北京工业大学学报》 EI CAS CSCD 北大核心 2021年第2期135-146,共12页
为了使快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)适用于小尺寸结构缝隙目标检测的应用,提出了一种基于Faster R-CNN的缝隙检测与提取算法,保留了小尺寸结构目标的细节信息,并提升了检测准... 为了使快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)适用于小尺寸结构缝隙目标检测的应用,提出了一种基于Faster R-CNN的缝隙检测与提取算法,保留了小尺寸结构目标的细节信息,并提升了检测准确率.该算法分为缝隙检测和缝隙提取2个阶段.首先,在faster R-CNN的目标检测框架下,选取ImageNet数据集上的视觉几何组(visual geometry group,VGG)网络预训练模型作为特征提取网络,调整网络模型使其适应具有小尺寸结构的缝隙目标,并通过缝隙检测网络的训练确定最优的网络超参数,获得缝隙目标边框.然后,根据对目标区域的分析,提出基于数学形态学算法的缝隙提取算法,将缝隙目标从背景中分割出来.最终通过去噪、断裂连接和细化操作提取单像素宽缝隙目标,通过统计单像素宽缝隙目标的像素点个数得到缝隙目标长度值.实验结果表明,该算法可准确且完整地提取缝隙目标,在铁轨裂缝数据集上平均准确率达到63.87%,在道路裂缝数据集上的F1-score指标达到65.6%. 展开更多
关键词 深度学习 卷积神经网络 缝隙检测 缝隙提取 快速区域卷积神经网络 视觉几何组
在线阅读 下载PDF
基于SDP图像与VGG网络的旋转机械转子故障诊断研究 被引量：11
7
作者 武海彬 卜明龙 +1 位作者 刘圆圆 郝惠敏 《机电工程》 CAS 北大核心 2020年第9期1069-1074,共6页
针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过... 针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习VGG网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与VGG网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。 展开更多
关键词 深度学习 VGG网络 SDP图像 多通道信息融合 转子故障诊断 极限学习机
在线阅读 下载PDF
一种基于3D-BN-VGG网络的行为识别算法 被引量：3
8
作者 吴进 李聪 +2 位作者 梁爽 闵育 吴汉宁 《电讯技术》 北大核心 2019年第11期1237-1245,共9页
针对当前人体行为识别准确率低、计算量大等缺陷,提出了一种基于三维卷积神经网络(3D Convolutionnal Neural Network,3D-CNN)结合批量归一化(Batch Normalization,BN)及改进的视觉几何组(Visual Geometry Group,VGG)网络的行为识别算... 针对当前人体行为识别准确率低、计算量大等缺陷,提出了一种基于三维卷积神经网络(3D Convolutionnal Neural Network,3D-CNN)结合批量归一化(Batch Normalization,BN)及改进的视觉几何组(Visual Geometry Group,VGG)网络的行为识别算法。该算法首先对3D-CNN结构进行优化,在三维空间采用了多个小卷积核卷积层堆叠的Block结构;同时在网络结构中引入BN算法,将卷积层输出的特征图每一维进行独立的批量归一化处理;之后在Block结构中增加了Dropout层以提高网络泛化能力以及将3D-CNN网络层数加深到了13层,提高了高层次抽象特征的提取能力;最终使用softmax进行分类得出结果。实验结果表明所设计的3D-BN-VGG网络在行为识别方面有较高的识别率。 展开更多
关键词 行为识别 深度学习 三维卷积神经网络 批量归一化 视觉几何组
在线阅读 下载PDF
基于改进YOLOX-m的安全帽佩戴检测 被引量：7
9
作者 王晓龙 江波 《计算机工程》 CAS CSCD 北大核心 2023年第12期252-261,共10页
安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种... 安全帽佩戴检测是安全监控系统中的重要组成部分,其检测精度取决于目标分类、小目标检测、域迁移差异等因素。针对现有基于YOLOX-m模型的安全帽佩戴检测算法通常存在分类精度较低、检测目标不完整、轻量化模型性能下降等问题,构建一种基于多阶段网络训练策略的改进YOLOX-m模型。首先对YOLOX-m主干特征网络卷积块的堆叠次数进行重新设计,在减小网络规模的同时最大化模型性能,然后将残差化重参视觉几何组与快速空间金字塔池化相结合,提高检测精度和推理速度。设计一种多阶段网络训练策略,将训练集和测试集拆分成多个组,并结合推理阶段生成的伪标签进行多次网络训练,以减少域迁移差异,获得更高的检测精度。实验结果表明,与YOLOX-m模型相比,改进YOLOX-m模型的推理延迟降低了5 ms,模型大小减少了4.7 MB,检测精度提高了1.26个百分点。 展开更多
关键词 安全帽佩戴检测 深度学习 残差化重参视觉几何组 快速空间金字塔池化 多阶段网络训练策略
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 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