期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
虚警率约束的联合弱分类器集成学习算法 被引量:1
1
作者 孙翠改 钱素娟 张军朝 《计算机工程与设计》 北大核心 2017年第12期3344-3348,3407,共6页
提出一种联合弱分类器集成学习算法。借鉴Adaboost方法采用弱分类器构建强分类器的思想,联合多个弱分类器构建特征分类的得分函数,生成一个集成分类器。在分类器训练时,采用ROC曲线围成的AUC面积值构建目标函数,加入虚警率上下限约束条... 提出一种联合弱分类器集成学习算法。借鉴Adaboost方法采用弱分类器构建强分类器的思想,联合多个弱分类器构建特征分类的得分函数,生成一个集成分类器。在分类器训练时,采用ROC曲线围成的AUC面积值构建目标函数,加入虚警率上下限约束条件,采用列生成算法学习弱分类器,采用割平面法学习弱分类器的系数。在PASCAL VOC-2007数据集上进行目标检测实验,实验结果表明,与常用的支持向量机、Adaboost、随机森林和卷积神经网络分类方法相比,该方法的假正率指标低,真正率指标高。 展开更多
关键词 分类 弱分类器 目标检测 目标函数 割平面法
在线阅读 下载PDF
基于奇异值分解的多尺度变换域图像细化算法 被引量:2
2
作者 沈丹萍 《山东农业大学学报(自然科学版)》 北大核心 2020年第2期262-265,共4页
由于多尺度变换域图像细化可降低图像存储难度与识别难度,图像细化核心即为骨架连通性,围绕保持图像骨架高度连通性这一宗旨,提出基于奇异值分解的多尺度变换域图像细化算法。首先,通过采用基于小波多尺度奇异值分解的图像特征提取算法... 由于多尺度变换域图像细化可降低图像存储难度与识别难度,图像细化核心即为骨架连通性,围绕保持图像骨架高度连通性这一宗旨,提出基于奇异值分解的多尺度变换域图像细化算法。首先,通过采用基于小波多尺度奇异值分解的图像特征提取算法,全面提取多尺度变换域图像中全部目标特征。然后,通过采用一种有效的图像细化算法判断图像细化时需留下的特征点,并去除图像中冗余像素点与冗余枝线,完成多尺度变换域图像细化。最后,根据本文所提算法将多尺度变换域图像以指纹、不规则图像等为例,对两幅图像细化,进行图像的细化测试。研究结果表明,所提算法细化后的图像纹理清楚,骨架分明,且图像纹络连通性较好;与同类型算法相比,该算法对多尺度变换域图像中冗余像素点和枝线的去除效果最佳。 展开更多
关键词 奇异值 图像 算法
在线阅读 下载PDF
一种显著性区域提取的新方法
3
作者 叶聪 沈金龙 《南京师大学报(自然科学版)》 CAS CSCD 北大核心 2012年第3期134-137,142,共5页
提出一个基于贝叶斯理论和统计学习理论的显著性提取算法.该方法基于贝叶斯理论分别阐明图像中不同特征信息、自下而上显著性和全局显著性不同位置的先验信息.本文针对特征融合问题分别使用加权线性组合Logistic模型和基于加权的非线性... 提出一个基于贝叶斯理论和统计学习理论的显著性提取算法.该方法基于贝叶斯理论分别阐明图像中不同特征信息、自下而上显著性和全局显著性不同位置的先验信息.本文针对特征融合问题分别使用加权线性组合Logistic模型和基于加权的非线性组合方法的正则化的神经网络来学习权值并获得所有因子.2个定位数据集的受试者工作特征(ROC)曲线的实验结果表明,我们的方法得到的显著图比其他先进的显著性模型效果更好.扩展的定量评价也证明了非线性组合优于线性组合的策略. 展开更多
关键词 视觉显著性 贝叶斯理论 中心位置偏倚 神经网络
在线阅读 下载PDF
改进的混沌Hopfield神经网络盲检测算法
4
作者 于大为 陈少威 于舒娟 《电信科学》 2018年第2期81-87,共7页
以提高Hopfield神经网络盲检测算法激活函数的灵活性为目标,提出一种在原点附近非线性逼近能力更优的激活函数。针对算法存在陷入局部最优的情况,利用混沌映射优良的遍历性和类随机性,在算法起始点利用混沌产生初始序列,在当前全局最优... 以提高Hopfield神经网络盲检测算法激活函数的灵活性为目标,提出一种在原点附近非线性逼近能力更优的激活函数。针对算法存在陷入局部最优的情况,利用混沌映射优良的遍历性和类随机性,在算法起始点利用混沌产生初始序列,在当前全局最优值不变时进行小幅度混沌扰动,以减少算法的误码性能。仿真结果表明,基于激活函数和混沌映射相结合的改进算法,能够提高神经元输入值敏感区域抗干扰能力,加快收敛速度,提高盲检测性能。 展开更多
关键词 盲检测 混沌扰动 HOPFIELD神经网络 激活函数
在线阅读 下载PDF
基于改进长短时记忆网络的驾驶行为检测方法研究 被引量:13
5
作者 施冬梅 肖锋 《汽车工程》 EI CSCD 北大核心 2021年第8期1203-1209,1262,共8页
疲劳驾驶和不安全驾驶行为是引起交通事故的主要原因,随着智能交通技术的发展,利用深度学习算法进行驾驶行为检测已成为研究的热点之一。在卷积神经网络和长短时记忆神经网络的基础上,结合注意力机制改进网络结构,提出一种混合双流卷积... 疲劳驾驶和不安全驾驶行为是引起交通事故的主要原因,随着智能交通技术的发展,利用深度学习算法进行驾驶行为检测已成为研究的热点之一。在卷积神经网络和长短时记忆神经网络的基础上,结合注意力机制改进网络结构,提出一种混合双流卷积神经网络算法,空间流通道采用卷积神经网络提取视频图像的空间特征值,以空间金字塔池化代替均值池化,统一了特征图的尺度变换,时间流通道采用SSD算法计算视频序列相邻两帧光流图像,用于人眼等脸部小目标的检测,再进行图像特征融合与分类,在LFW数据集和自建数据集中进行了实验,结果表明本方法的人脸识别和疲劳驾驶的检测准确率分别高于其他方法1.36和2.58个百分点以上。 展开更多
关键词 安全驾驶 卷积神经网络 长短时记忆 单步检测 人脸识别 疲劳驾驶检测
在线阅读 下载PDF
基于改进SSD算法的安全驾驶行为识别方法研究 被引量:8
6
作者 施冬梅 《现代电子技术》 2021年第11期67-72,共6页
提出一种基于改进的SSD网络的安全驾驶行为识别方法。针对SSD目标检测算法VGG16网络结构的不足之处,用表征能力更强的Inception-ResNet网络进行替换;用残差学习算法减少网络学习维度,降低网络训练难度;引入多层特征金字塔结构,用改进三... 提出一种基于改进的SSD网络的安全驾驶行为识别方法。针对SSD目标检测算法VGG16网络结构的不足之处,用表征能力更强的Inception-ResNet网络进行替换;用残差学习算法减少网络学习维度,降低网络训练难度;引入多层特征金字塔结构,用改进三分支残差网络对小目标的语义进行多特征融合,从而在反向传播时可以获得后续多层的梯度信息,提高目标检测精度。给出了Tensorflow平台下具体的实现过程,测试结果表明,该方法能够实时有效地识别驾驶员疲劳状态,提高驾驶安全系数,减少交通事故。 展开更多
关键词 安全驾驶 行为识别 改进SSD算法 Inception-ResNet 网络训练 多特征融合
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部