检索结果-维普期刊中文期刊服务平台

局部特征与点云配准引导下的神经元相似性度量方法: 1; 作者甄昊天常令琛 +3 位作者祝继华朱恩涛樊夏玥李钟毓《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第9期1480-1490,共11页; 针对现有神经元形态学匹配与相似性度量方法难以有效处理大规模且结构复杂神经元数据的问题,提出一种由局部特征与点云配准引导下的神经元相似性度量方法.首先,利用全局特征进行大规模检索完成神经元相似数据的初筛;其次,基于深度卷积... 展开更多; 关键词神经元形态学深度神经网络相似性度量点云配准; 在线阅读下载PDF 职称材料

基于深度学习的鲁棒性视觉跟踪方法被引量：30: 2; 作者高君宇杨小汕 +1 位作者张天柱徐常胜《计算机学报》 EI CSCD 北大核心 2016年第7期1419-1434,共16页; 传统的视觉跟踪方法(如L1等)大多直接使用视频序列各帧内的像素级特征进行建模,而没有考虑到各图像块内部的深层视觉特征信息.在现实世界的固定摄像头视频监控场景中,通常可以找到一块区域,该区域中目标物体具有清晰、易于分辨的表观.因... 展开更多; 关键词深度学习卷积神经网络视觉跟踪鲁棒性 L1跟踪系统计算机视觉; 在线阅读下载PDF 职称材料

基于深度学习网络的红外网络节点异常状态识别研究被引量：3: 3; 作者沈洵蔡志锋《激光杂志》北大核心 2020年第12期136-140,共5页; 为准确识别红外网络节点状态,提出了基于深度学习网络的红外网络节点异常状态识别方法。利用红外网络节点采集模块采集节点状态数据,确定可视层与隐含层神经元数量,利用贪婪算法训练过程重构训练样本,通过微调过程优化深度置信网络,完... 展开更多; 关键词深度学习红外网络节点异常状态识别神经元; 在线阅读下载PDF 职称材料

基于机器视觉的建筑垃圾填料物质组分图像分析方法被引量：2: 4; 作者谢康陈晓斌 +3 位作者尧俊凯苏谦陈龙吴梦黎《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第10期50-58,69,共10页; 建筑垃圾再生填料是从建筑垃圾中经过粉碎而获得的,其组成成分具有多样性,需经过分拣等处理后才可用于路基填筑。目前多采用耗时的人工筛选法进行获取。本文利用卷积神经网络进行图像分析,可以自动实时地获取再生填料组成。首先创建一个... 展开更多; 关键词建筑垃圾再生填料卷积神经网络深度学习图像识别; 在线阅读下载PDF 职称材料

面向嵌入式平台的轻量化神经网络手势识别方法被引量：12: 5; 作者杨晨奕何玉青 +1 位作者赵俊媛李国荣《强激光与粒子束》 CAS CSCD 北大核心 2022年第3期138-146,共9页; 针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌... 展开更多; 关键词手势识别深度神经网络嵌入式轻量化 MobileNev3-SSDLite; 在线阅读下载PDF 职称材料

基于特征可视化分析深度神经网络的内部表征被引量：3: 6; 作者尚骏远杨乐涵何琨《计算机科学》 CSCD 北大核心 2020年第5期190-197,共8页; 基于可视化的方式理解深度神经网络能直观地揭示其工作机理,即提供了黑盒模型做出决策的解释,在医疗诊断、自动驾驶等领域尤其重要。大部分现有工作均基于激活值最大化框架,即选定待观测神经元,通过优化输入值(如隐藏层特征图谱、原始图... 展开更多; 关键词深度神经网络特征可视化内部表征共用神经元抑制神经元; 在线阅读下载PDF 职称材料

基于ON-LSTM与自注意力机制的单词DGA域名检测方法被引量：2: 7; 作者刘立婷欧毓毅凌捷《计算机应用研究》 CSCD 北大核心 2022年第12期3781-3785,共5页; 针对单词DGA域名字符随机性低,字符结构和分布与良性域名相似,现有方法对其检测效果不佳的问题,提出一种单词DGA域名检测方法。首先,对域名进行BiGRAM字符编码,使模型的输入涵盖更多的域名特征;其次,构建ON-LSTM-SA特征提取模块,充分提... 展开更多; 关键词单词DGA域名检测特征提取深度学习有序长短记忆神经网络自注意力机制; 在线阅读下载PDF 职称材料

题名局部特征与点云配准引导下的神经元相似性度量方法: 1; 作者甄昊天常令琛祝继华朱恩涛樊夏玥李钟毓; 机构西安交通大学软件学院西安交通大学第一附属医院免疫代谢性疾病研究所; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第9期1480-1490,共11页; 基金国家自然科学基金(61902310)。; 文摘针对现有神经元形态学匹配与相似性度量方法难以有效处理大规模且结构复杂神经元数据的问题,提出一种由局部特征与点云配准引导下的神经元相似性度量方法.首先,利用全局特征进行大规模检索完成神经元相似数据的初筛;其次,基于深度卷积自编码器,对筛选后的神经元数据进行无监督的局部特征提取,实现两两神经元之间的粗配准,并借助迭代最近点算法,将具有空间树型结构的神经元匹配问题转换为点云的三维配准问题;最后,通过与全局特征下的检索结果进行融合,实现神经元形态数据的相似性度量.在NeuroMorpho公开数据集上抽取了19286个神经元,并与其他6种相似性度量方法进行对比实验,文中方法的Top-1和Top-50精度分别为0.981和0.721,均优于现有对比方法,验证了其在大规模数据集上的有效性与精确性.; 关键词神经元形态学深度神经网络相似性度量点云配准; Keywords neuronal morphology deep neural network similarity measurement point cloud registration; 分类号 TP391.41 [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

题名基于深度学习的鲁棒性视觉跟踪方法被引量：30: 2; 作者高君宇杨小汕张天柱徐常胜; 机构中国科学院自动化研究所模式识别国家重点实验室; 出处《计算机学报》 EI CSCD 北大核心 2016年第7期1419-1434,共16页; 基金国家"九七三"重点基础研究发展规划项目基金(2012CB316304) 国家自然科学基金重点项目(61432019)资助; 文摘传统的视觉跟踪方法(如L1等)大多直接使用视频序列各帧内的像素级特征进行建模,而没有考虑到各图像块内部的深层视觉特征信息.在现实世界的固定摄像头视频监控场景中,通常可以找到一块区域,该区域中目标物体具有清晰、易于分辨的表观.因此,文中在各视频场景内事先选定一块可以清晰分辨目标表观的参考区域用以构造训练样本,并构建了一个两路对称且权值共享的深度卷积神经网络.该深度网络使得参考区域外目标的输出特征尽可能与参考区域内目标的输出特征相似,以获得参考区域内目标良好表征的特性.经过训练后的深度卷积神经网络模型具有增强目标可识别性的特点,可以应用在使用浅层特征的跟踪系统(如L1等)中以提高其鲁棒性.文中在L1跟踪系统的框架下使用训练好的深度网络提取目标候选的特征进行稀疏表示,从而获得了跟踪过程中应对遮挡、光照变化等问题的鲁棒性.文中在25个行人视频中与当前国际上流行的9种方法对比,结果显示文中提出的方法的平均重叠率比次优的方法高0.11,平均中心位置误差比次优的方法低1.0.; 关键词深度学习卷积神经网络视觉跟踪鲁棒性 L1跟踪系统计算机视觉; Keywords deep learning convolutional neuron networks visual tracking robust L1 tracker computer vision; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于深度学习网络的红外网络节点异常状态识别研究被引量：3: 3; 作者沈洵蔡志锋; 机构三江学院; 出处《激光杂志》北大核心 2020年第12期136-140,共5页; 基金国家自然科学基金项目(No.61252005) 全国高等学校计算机基础教育研究会项目(No.2019-afcec-051)。; 文摘为准确识别红外网络节点状态,提出了基于深度学习网络的红外网络节点异常状态识别方法。利用红外网络节点采集模块采集节点状态数据,确定可视层与隐含层神经元数量,利用贪婪算法训练过程重构训练样本,通过微调过程优化深度置信网络,完成深度置信网络训练,提取红外网络节点状态数据特征,将状态数据特征作为球心,计算识别红外网络节点状态数据同球心的半径,根据结果是否异常状态。仿真测试结果,本文方法可有效识别红外网络节点异常状态,红外网络节点异常状态识别精度高。; 关键词深度学习红外网络节点异常状态识别神经元; Keywords deep learning infrared network node anomaly state recognition neuron; 分类号 TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于机器视觉的建筑垃圾填料物质组分图像分析方法被引量：2: 4; 作者谢康陈晓斌尧俊凯苏谦陈龙吴梦黎; 机构中南大学土木工程学院中国铁道科学研究院集团有限公司西南交通大学土木工程学院; 出处《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第10期50-58,69,共10页; 基金国家自然科学基金资助项目(51978674)。; 文摘建筑垃圾再生填料是从建筑垃圾中经过粉碎而获得的,其组成成分具有多样性,需经过分拣等处理后才可用于路基填筑。目前多采用耗时的人工筛选法进行获取。本文利用卷积神经网络进行图像分析,可以自动实时地获取再生填料组成。首先创建一个由36000张颗粒图像组成的带标签数据集,对不同CNN模型进行训练。其中,使用40%的Dropout比率自定义ResNet34模型表现最优,其验证精度可达97%;其次基于所识别的颗粒类别与颗粒形状估计颗粒的质量;最后将本文提出的方法与人工筛选法进行了比较,对于大多数再生填料质量差异低于2%。本文旨在提高建筑垃圾利用空间,对建筑垃圾回填路基工程的推广应用具有重要意义。; 关键词建筑垃圾再生填料卷积神经网络深度学习图像识别; Keywords construction waste recycled filler convolutional neuron network deep learning image identification; 分类号 U214.01 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

题名面向嵌入式平台的轻量化神经网络手势识别方法被引量：12: 5; 作者杨晨奕何玉青赵俊媛李国荣; 机构北京理工大学光电学院; 出处《强激光与粒子束》 CAS CSCD 北大核心 2022年第3期138-146,共9页; 基金国家重点研发计划项目(2020YFF0304104)。; 文摘针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌入式上的识别速度较低,不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化,使用MobileNetv3网络实现特征提取,目标检测方面则是使用SSD-lite结构,其使用深度可分离卷积替代普通卷积,实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求,制作了包含不同手势的数据集,利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制,通过模型的量化压缩将float64的网络参数量化为int8,并压缩网络结构,提高网络在嵌入式上的推理速度,实现基于嵌入式的手势识别。实验结果表明,基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%,且识别速度达到每秒50帧以上,满足实时手势识别的要求。; 关键词手势识别深度神经网络嵌入式轻量化 MobileNev3-SSDLite; Keywords hand gesture recognition deep neuron network embedded system lightweight MobileNetv3-SSDLite; 分类号 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

题名基于特征可视化分析深度神经网络的内部表征被引量：3: 6; 作者尚骏远杨乐涵何琨; 机构华中科技大学计算机学院; 出处《计算机科学》 CSCD 北大核心 2020年第5期190-197,共8页; 基金国家自然科学基金(61772219) 中央高校基本科研业务费专项资金(2019kfyXKJC021)。; 文摘基于可视化的方式理解深度神经网络能直观地揭示其工作机理,即提供了黑盒模型做出决策的解释,在医疗诊断、自动驾驶等领域尤其重要。大部分现有工作均基于激活值最大化框架,即选定待观测神经元,通过优化输入值(如隐藏层特征图谱、原始图片),定性地将待观测神经元产生最大激活值时输入值的改变作为一种解释。然而,这种方法缺乏对深度神经网络深入的定量分析。文中提出了结构可视化和基于规则可视化两种可视化的元方法。结构可视化从浅至深依层可视化,发现浅层神经元具有一般性的全局特征,而深层神经元更针对细节特征。基于规则可视化包括交集与差集规则,可以帮助发现共享神经元与抑制神经元的存在,它们分别学习了不同类别的共有特征与抑制不相关的特征。实验针对代表性卷积网络VGG和残差网络ResNet在ImageNet和微软COCO数据集上进行了分析。通过量化分析发现,ResNet和VGG均有很高的稀疏性,通过屏蔽一些低激活值的“噪音”神经元,发现其对深度神经网络分类准确率均没有影响,甚至有一定程度的提高作用。文中通过可视化和量化分析深度神经网络的隐藏层特征,揭示其内部特征表达,从而为高性能深度神经网络的设计提供指导和借鉴。; 关键词深度神经网络特征可视化内部表征共用神经元抑制神经元; Keywords deep neural network Feature visualization Internal representation Shared neuron Inhibition neuron; 分类号 TP830 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于ON-LSTM与自注意力机制的单词DGA域名检测方法被引量：2: 7; 作者刘立婷欧毓毅凌捷; 机构广东工业大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2022年第12期3781-3785,共5页; 基金广州市科技计划项目(201902020007,202007010004)。; 文摘针对单词DGA域名字符随机性低,字符结构和分布与良性域名相似,现有方法对其检测效果不佳的问题,提出一种单词DGA域名检测方法。首先,对域名进行BiGRAM字符编码,使模型的输入涵盖更多的域名特征;其次,构建ON-LSTM-SA特征提取模块,充分提取域名的层级语义特征并为其分配权重;最后,通过softmax函数输出分类结果。实验结果表明,相较于四种对比模型,该方法在检测性能和多分类性能方面均表现最佳,具有更高的鲁棒性和泛化能力。; 关键词单词DGA域名检测特征提取深度学习有序长短记忆神经网络自注意力机制; Keywords word DGA domain name detection feature extraction deep learning ordered neurons long short-term memory neural network self-attention mechanism; 分类号 TP309.2 [自动化与计算机技术—计算机系统结构]; 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	局部特征与点云配准引导下的神经元相似性度量方法	甄昊天常令琛祝继华朱恩涛樊夏玥李钟毓	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于深度学习的鲁棒性视觉跟踪方法	高君宇杨小汕张天柱徐常胜	《计算机学报》 EI CSCD 北大核心	2016	30	在线阅读下载PDF 职称材料
3	基于深度学习网络的红外网络节点异常状态识别研究	沈洵蔡志锋	《激光杂志》北大核心	2020	3	在线阅读下载PDF 职称材料
4	基于机器视觉的建筑垃圾填料物质组分图像分析方法	谢康陈晓斌尧俊凯苏谦陈龙吴梦黎	《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
5	面向嵌入式平台的轻量化神经网络手势识别方法	杨晨奕何玉青赵俊媛李国荣	《强激光与粒子束》 CAS CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
6	基于特征可视化分析深度神经网络的内部表征	尚骏远杨乐涵何琨	《计算机科学》 CSCD 北大核心	2020	3	在线阅读下载PDF 职称材料
7	基于ON-LSTM与自注意力机制的单词DGA域名检测方法	刘立婷欧毓毅凌捷	《计算机应用研究》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料