期刊文献+
共找到6,871篇文章
< 1 2 250 >
每页显示 20 50 100
基于改进全卷积神经网络的红外与可见光图像融合方法 认领
1
作者 冯玉芳 殷宏 +3 位作者 卢厚清 程恺 曹林 刘满 《计算机工程》 CAS CSCD 北大核心 2020年第8期243-249,257,共8页
基于深度学习的图像融合技术易丢失网络浅层特征信息,难以实现图像的精准识别。提出一种利用全卷积神经网络(FCN)提取特征的红外与可见光图像融合方法。采用非下采样剪切波变换(NSST)对源图像进行多尺度和多方向分解,生成高频子带和低... 基于深度学习的图像融合技术易丢失网络浅层特征信息,难以实现图像的精准识别。提出一种利用全卷积神经网络(FCN)提取特征的红外与可见光图像融合方法。采用非下采样剪切波变换(NSST)对源图像进行多尺度和多方向分解,生成高频子带和低频子带图像,将高频子带输入FCN模型提取多尺度特征,并生成高频子带特征映射图,使用最大加权平均算法完成高频子带的融合,同时采用区域能量和融合策略融合低频子带,对融合后的高频子带和低频子带进行NSST逆变换,得到最终的融合图像。实验结果表明,与GFF、WLS和IFE等方法相比,该方法融合图像的主观视觉效果和客观评价指标更好。 展开更多
关键词 卷积神经网络 非下采样剪切波变换 卷积神经网络模型 多尺度特征 特征映射图
在线阅读 下载PDF
基于深度学习的行为识别算法综述 认领
2
作者 赫磊 邵展鹏 +1 位作者 张剑华 周小龙 《计算机科学》 CSCD 北大核心 2020年第S01期139-147,共9页
行为识别是计算机视觉领域的基本问题之一,基于深度学习的行为识别算法是当前行为识别的主流算法。在已有的研究中,传统特征提取方法一般是通过人工观察和设计,手动设计出能够表征视频动作的特征。然而,在手工特征表达的基础上构建复杂... 行为识别是计算机视觉领域的基本问题之一,基于深度学习的行为识别算法是当前行为识别的主流算法。在已有的研究中,传统特征提取方法一般是通过人工观察和设计,手动设计出能够表征视频动作的特征。然而,在手工特征表达的基础上构建复杂分类模型的方法已经不能适应高识别精度和应用性的要求,而深度学习的引入为行为识别带来了新的发展方向。文中主要综述了基于深度学习的行为识别算法,首先介绍了行为识别的研究背景和意义,并分别对行为识别的传统学习方法和深度学习方法进行了介绍;然后对深度学习下的算法模型结构进行分类介绍,包括Two-Stream、3D-ConvNet、融合CNN-LSTM 3种算法模型结构;最后介绍了目前常用的公开验证数据集,并主要针对基于两种数据模态的识别算法进行了横向比较,一种是基于RGB视频的UCF101和HMDB51数据集,一种是基于人体骨架序列视频的NTU RGB+D数据集。实验结果表明:深度学习方法已经取得了很大的进步,卷积神经网络的应用极大地促进了行为识别算法的发展,逐步替代了基于手工提取特征的传统方法,尤其采用了卷积神经网络算法之后在行为数据集上的准确率有了显著提高。对于RGB视频而言,Two-Stream和3DConvNet是算法模型结构的主流,对于骨架序列视频而言,Two-Stream和融合时空图模型是算法模型结构的主流。 展开更多
关键词 行为识别 深度学习 卷积神经网络 循环神经网络 3D卷积
在线阅读 免费下载
一种基于改进CNN和FCN模型的裂缝检测方法 认领
3
作者 全英华 《移动信息》 2020年第1期00042-00044,47共4页
人们一直在探索精确快速识别混凝土墙、瓷砖等建筑材料的裂缝检测方法。基于此,提出一种基于改进卷积神经网络模型(CNN)和完全卷积神经网络模型(FCN)的裂缝识别算法。首先,通过改进的CNN模型定位裂缝区域,排除非裂缝区的斑点、阴影、水... 人们一直在探索精确快速识别混凝土墙、瓷砖等建筑材料的裂缝检测方法。基于此,提出一种基于改进卷积神经网络模型(CNN)和完全卷积神经网络模型(FCN)的裂缝识别算法。首先,通过改进的CNN模型定位裂缝区域,排除非裂缝区的斑点、阴影、水渍、涂鸦等干扰因素;然后,通过FCN模型对CNN结果进行再处理,得到精确的裂缝定位图;最后采用统计函数提取裂缝的长度、宽度等特征。结果表明,此算法的检测精度高,耗时短,能有效识别混凝土和瓷砖图像上的裂缝。 展开更多
关键词 图像处理 裂缝检测 卷积神经网络 完全卷积神经网络 机器视觉
在线阅读 下载PDF
基于Faster R-CNN的零件表面缺陷检测算法 认领
4
作者 黄凤荣 李杨 +2 位作者 郭兰申 钱法 朱雨晨 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第6期883-893,共11页
针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类... 针对人工和传统自动化算法检测发动机零件表面缺陷中准确率和效率低下,无法满足智能制造需求问题,提出了一种基于深度学习的检测算法.以Faster R-CNN深度学习算法为算法框架,引入聚类理论来确定anchor方案,通过对比k-meansII和CURE聚类算法生成anchor对检测结果的影响,提出了基于聚类生成anchor方案的Faster R-CNN的零件表面缺陷检测算法,并引入多级ROI池化层结构,减少ROI池化过程中取整带来的偏差,实现高效并准确检测零件表面缺陷的目的.通过设计缺陷图像数据采集方案,建立了3种缺陷零件数据集,并验证了算法的性能.实验结果表明,该算法将缺陷检测的均值平均精度mAP从原算法的54.7%提高到97.9%,检测速度最快达到4.9 fps,能够满足智能制造的生产需求. 展开更多
关键词 表面缺陷检测 卷积神经网络 深度学习 快速区域卷积神经网络 聚类算法
在线阅读 下载PDF
融合双向门控循环单元和卷积神经网络的歧视性言论鉴别 认领
5
作者 徐杨 廖小琴 《武汉大学学报:理学版》 CAS CSCD 北大核心 2020年第2期111-116,共6页
针对歧视性言论的鉴别,提出了一种融合双向门控循环单元(BIGRU,bidirectional gated recurrent unit)和多元卷积神经网络(MCNN,multi-convolution neural network)的BGM-CNN模型。模型先采用BIGRU结构进行时序特征提取,再经过一维多元... 针对歧视性言论的鉴别,提出了一种融合双向门控循环单元(BIGRU,bidirectional gated recurrent unit)和多元卷积神经网络(MCNN,multi-convolution neural network)的BGM-CNN模型。模型先采用BIGRU结构进行时序特征提取,再经过一维多元卷积神经网络进行降维池化,最后结合多组特征输出进行分类。实验结果表明,BGM-CNN模型比现有的单一模型和CNN-LSTM(long short-term memory)等模型分类效果更好,该模型在五分类验证数据集上分类的F1值为0.6733,在两个歧视性言论二分类数据集上的F1值分别为0.8373和0.8156。 展开更多
关键词 文本分类 卷积神经网络 双向门控循环单元 一维卷积神经网络
基于级联卷积神经网络的作物病害叶片分割 认领
6
作者 王振 张善文 赵保平 《计算机工程与应用》 CSCD 北大核心 2020年第15期242-250,共9页
针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法。该网络由区域病斑检测网络和区域病斑分割网络组成。基于传统VGG1... 针对传统卷积神经网络在作物病害叶片图像中分割精度低的问题,提出一种基于级联卷积神经网络(Cascade Convolutional Neural Network,CCNN)的作物病害叶片图像分割方法。该网络由区域病斑检测网络和区域病斑分割网络组成。基于传统VGG16模型构建区域病斑检测网络(Regional Detection Network,RD-net),利用全局池化层代替全连接层,由此减少模型参数,实现叶片病斑区域精确定位。基于Encoder-Decoder模型结构建立区域分割网络(Regional Segmentation Network,RS-net),并利用多尺度卷积核提高原始卷积核的局部感受野,对病斑区域精确分割。在不同环境下的病害叶片图像上进行分割实验,分割精度为87.04%、召回率为78.31%、综合评价指标值为88.22%、单幅图像分割速度为0.23 s。实验结果表明该方法能够满足不同环境下的作物病害叶片图像分割需求,可为进一步的作物病害识别方法研究提供参考。 展开更多
关键词 卷积神经网络 图像分割 作物病害 级联卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的直流XLPE电缆局部放电模式识别技术 认领
7
作者 朱煜峰 许永鹏 +2 位作者 陈孝信 盛戈皞 江秀臣 《电工技术学报》 EI CSCD 北大核心 2020年第3期659-668,共10页
针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷... 针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷电缆的局部放电信号作为样本,再利用自适应的卷积核进行特征提取,池化层进行特征映射,非线性多分类器进行回归分类,最终得到训练完成的CAFFE网络。通过设置不同求解器参数、网络结构和训练样本数量对缺陷识别结果进行对比分析,发现利用改进的Alexnet网络,采用衰减学习率方式的模式识别框架的平均识别正确率最高,达到了91.32%,相比于传统模式识别算法至少提高了8.97%。该方法具有强大的自适应学习能力,为应用于直流电缆故障诊断的模式识别提供了新的思路。 展开更多
关键词 卷积神经网络 卷积神经网络框架方法 自适应特征提取 直流XLPE电缆 局部放电
在线阅读 下载PDF
图像分类卷积神经网络的进化设计 认领
8
作者 马永杰 刘培培 《西北师范大学学报:自然科学版》 CAS 北大核心 2020年第3期55-61,134共8页
为解决图像分类中深度卷积神经网络(Convolutional neural networks,CNN)中较为复杂的人工网络设计与调参问题,提出基于ResNet模块的进化卷积、神经网络(Evolutionary convolutional neural network,ECNN)的自动设计方法,并将其运用到... 为解决图像分类中深度卷积神经网络(Convolutional neural networks,CNN)中较为复杂的人工网络设计与调参问题,提出基于ResNet模块的进化卷积、神经网络(Evolutionary convolutional neural network,ECNN)的自动设计方法,并将其运用到图像分类中.该方法基于ResNet模块与2D卷积层,采用进化算法(Evolutionary algorithm,EA)对网络结构及参数进行优化.在NLM官方发布的疟疾数据集下进行实验,不同比例的测试集划分可以达到95.6%的分类准确率,文中算法与AlexNet、VGG16、Xception等人工设计的深度学习分类算法进行了比较,实验结果表明,其准确率提升了约1%.在斯坦福大学发布的Stanford cars车辆图像数据集中进行了算法泛化验证,结果表明,文中算法在不同比例数据的测试中准确率均在94.5%以上,将该算法与深度学习分类算法VGG16进行比较,准确率效果相当,模型测试图像分类耗时仅为VGG16耗时的1/13,且训练参数量较少.两组对比测试实验数据表明,相比人工设计的深度学习算法,本文方法具有较好的图像分类性能与较快的图像分类速度. 展开更多
关键词 卷积神经网络 ResNet 进化卷积神经网络 图像分类
在线阅读 免费下载
融合卷积注意力机制的图像描述生成模型 认领
9
作者 黄友文 游亚东 赵朋 《计算机应用》 CSCD 北大核心 2020年第1期23-27,共5页
图像描述模型需要提取出图像中的特征,然后通过自然语言处理(NLP)技术将特征用语句表达出来。现有的基于卷积神经网络(CNN)和循环神经网络(RNN)搭建的图像描述模型在提取图像关键信息时精度不高且训练速度缓慢。针对这个问题,提出了一... 图像描述模型需要提取出图像中的特征,然后通过自然语言处理(NLP)技术将特征用语句表达出来。现有的基于卷积神经网络(CNN)和循环神经网络(RNN)搭建的图像描述模型在提取图像关键信息时精度不高且训练速度缓慢。针对这个问题,提出了一种基于卷积注意力机制和长短期记忆(LSTM)网络的图像描述生成模型。采用Inception-ResNet-V2作为特征提取网络,在注意力机制中引入全卷积操作替代传统的全连接操作,减少了模型参数的数量。将图像特征与文本特征有效融合后送入LSTM单元中完成训练,最终产生描述图像内容的语义信息。模型采用MSCOCO数据集进行训练,使用多种评价指标(BLEU-1、BLEU-4、METEOR、CIDEr等)对模型进行验证。实验结果表明,提出的模型能够对图像内容进行准确描述,在多种评价指标上均优于基于传统注意力机制的方法。 展开更多
关键词 图像描述 卷积神经网络 自然语言处理 长短期记忆神经网络 卷积注意力机制
在线阅读 下载PDF
基于CNN-LSTM的地震震级预测研究 认领
10
作者 陈王昊 尹玲 +2 位作者 李妃斌 杨子豪 马邦杰 《科技与创新》 2020年第11期53-54,共2页
传统地震仪虽然能提供预测所需的必要信息,但是在面对强震的情况下会有数据丢失等情况,对强震预测产生巨大的不利影响。将地震震级预测看作分类问题,以强震数据作为地震震级预测的补充信息,结合卷积神经网络出色的图像特征提取能力与长... 传统地震仪虽然能提供预测所需的必要信息,但是在面对强震的情况下会有数据丢失等情况,对强震预测产生巨大的不利影响。将地震震级预测看作分类问题,以强震数据作为地震震级预测的补充信息,结合卷积神经网络出色的图像特征提取能力与长短期记忆神经网络在时间序列上的学习与完善能力进行研究。 展开更多
关键词 深度学习 卷积神经网络 长短期记忆神经网络 孪生神经网络
在线阅读 下载PDF
基于时域卷积与双向GRU神经网络的时序预测模型 认领
11
作者 王振 张生 《软件导刊》 2020年第3期48-52,共5页
随着物联网技术和5G技术的发展,各类智能设备收集的时序数据规模急剧增长,为了利用深度学习技术对大规模时序数据进行预测,提出一种基于深度神经网络的时序预测模型。该模型首先利用时域卷积神经网络层对时序数据进行预处理,然后利用双... 随着物联网技术和5G技术的发展,各类智能设备收集的时序数据规模急剧增长,为了利用深度学习技术对大规模时序数据进行预测,提出一种基于深度神经网络的时序预测模型。该模型首先利用时域卷积神经网络层对时序数据进行预处理,然后利用双向GRU神经网络层提取时序数据的前向特征和后向特征,最后对时序数据进行预测。在真实数据集上的实验结果表明,该模型相比传统长短期记忆网络模型,预测准确度提高了近70%,预测速度提高了近10%,可更好地满足对大规模时序数据的预测需求。 展开更多
关键词 深度学习 时序预测 双向GRU神经网络 卷积神经网络 循环神经网络
在线阅读 免费下载
基于深度学习的视频分析技术在维和勤务中的应用探究 认领
12
作者 孔炜良 贾南 《内江科技》 2020年第4期34-35,共2页
信息技术在维和勤务中的应用越来越得到重视,取得的显著成果得到了多方肯定。传统的视频监控检查依靠指挥人员进行人工核实,一方面会耗费较大人力,另一方面由于人的疏忽会存在误查、漏查情况。随着大数据和人工智能的飞速发展,基于深度... 信息技术在维和勤务中的应用越来越得到重视,取得的显著成果得到了多方肯定。传统的视频监控检查依靠指挥人员进行人工核实,一方面会耗费较大人力,另一方面由于人的疏忽会存在误查、漏查情况。随着大数据和人工智能的飞速发展,基于深度学习的视频分析技术能辅助人类完成智能视频分析,自动检查视频中的目标是否完成规定动作,发现异常时及时报警,从而辅助执行维和勤务的人员更加高效、准确的完成相关任务。 展开更多
关键词 深度学习 智能视频分析 神经网络结构 卷积神经网络 指挥人员 测试集 前馈神经网络 隐藏层 应用探究
在线阅读 下载PDF
文章速递改进的卷积神经网络在医学影像分割中的应用 认领
13
作者 马其鹏 谢林柏 彭力 《激光与光电子学进展》 CSCD 北大核心 2020年第14期182-188,共7页
针对现有方法在脑肿瘤图像分割上的不足,提出一种基于改进的卷积神经网络的脑肿瘤图像分割算法。将DenseNet和U-net网络结构相融合,以提高对图像特征的提取能力。为了扩大卷积核的感受野,采用了空洞卷积。将分割结果通过完全连接的条件... 针对现有方法在脑肿瘤图像分割上的不足,提出一种基于改进的卷积神经网络的脑肿瘤图像分割算法。将DenseNet和U-net网络结构相融合,以提高对图像特征的提取能力。为了扩大卷积核的感受野,采用了空洞卷积。将分割结果通过完全连接的条件随机场循环神经网络进行精细分割输出,从而得到精确的脑肿瘤分割区域。实验结果表明,与传统的深度学习方法相比,平均Dice可以达到91.64%,算法在准确率上有较好的提升。 展开更多
关键词 图像处理 图像分割 脑肿瘤分割 卷积神经网络 空洞卷积 完全连接的条件随机场循环神经网络
多方向卷积和CNN指静脉识别 认领
14
作者 吴叶清 《宜宾学院学报》 2020年第6期46-49,58,共5页
针对提取的指静脉感兴趣区域图像特征不明显的问题,提出一种基于多方向卷积模板和卷积神经网络的指静脉识别算法,采用多方向卷积模板对预处理后的指静脉图像进行骨架提取获取初步特征图,再通过轻便型卷积神经网络进一步提取特征,最后通... 针对提取的指静脉感兴趣区域图像特征不明显的问题,提出一种基于多方向卷积模板和卷积神经网络的指静脉识别算法,采用多方向卷积模板对预处理后的指静脉图像进行骨架提取获取初步特征图,再通过轻便型卷积神经网络进一步提取特征,最后通过softmax分类器对样本进行训练.实验结果表明,该算法比现有的多数算法更准确. 展开更多
关键词 指静脉识别 卷积神经网络 多方向卷积模板
在线阅读 下载PDF
基于卷积编解码器和门控循环单元的语音分离算法 认领
15
作者 陈修凯 陆志华 周宇 《计算机应用》 CSCD 北大核心 2020年第7期2137-2141,共5页
在大部分基于深度学习的语音分离和语音增强算法中,把傅里叶变换后的频谱特征作为神经网络的输入特征,并未考虑到语音信号中的相位信息。然而过去的一些研究表明,尤其是在低信噪比(SNR)条件下,相位信息对于提高语音质量是必不可少的。... 在大部分基于深度学习的语音分离和语音增强算法中,把傅里叶变换后的频谱特征作为神经网络的输入特征,并未考虑到语音信号中的相位信息。然而过去的一些研究表明,尤其是在低信噪比(SNR)条件下,相位信息对于提高语音质量是必不可少的。针对这个问题,提出了一种基于卷积编解码器网络和门控循环单元(CED-GRU)的语音分离算法。首先,利用原始波形既包含幅值信息也包含相位信息的特点,在输入端以混合语音信号的原始波形作为输入特征;其次,通过结合卷积编解码器(CED)网络和门控循环单元(GRU)网络,可以有效解决语音信号中存在的时序问题。提出的改进算法在男性和男性、男性和女性、女性和女性的语音质量的感知评价(PESQ)和短时目标可懂度(STOI)方面,与基于排列不变训练(PIT)算法、基于深度聚类(DC)算法、基于深度吸引网络(DAN)算法相比,分别提高了1.16和0.29、1.37和0.27、1.08和0.3;0.87和0.21、1.11和0.22、0.81和0.24;0.64和0.24、1.01和0.34、0.73和0.29个百分点。实验结果表明,基于CED-GRU的语音分离系统在实际应用中具有较大的价值。 展开更多
关键词 卷积神经网络 卷积编解码器 门控循环单元 端到端 语音分离
在线阅读 下载PDF
融合深度扩张网络和轻量化网络的目标检测模型 认领
16
作者 权宇 李志欣 +1 位作者 张灿龙 马慧芳 《电子学报》 EI CAS CSCD 北大核心 2020年第2期390-397,共8页
目标检测作为计算机视觉的一个重要研究方向,近年来在算法性能上有了突破性进展.为了更好的提升两阶段目标检测的精度与速度性能,提出了一种基于迁移学习方法的融合深度扩张卷积网络和轻量化网络的检测模型.首先用扩张卷积网络替换主干... 目标检测作为计算机视觉的一个重要研究方向,近年来在算法性能上有了突破性进展.为了更好的提升两阶段目标检测的精度与速度性能,提出了一种基于迁移学习方法的融合深度扩张卷积网络和轻量化网络的检测模型.首先用扩张卷积网络替换主干网络中部分的卷积残差模块——深度扩张卷积网络D_dNet-65;然后对预训练后的特征图进行压缩操作,并增加一个81类的全连接层以确保正常进行分类和回归操作——轻量化网络结构;最后,引入迁移学习方法并融合D_dNet和轻量化网络结构,通过迁移实现模型的进一步优化.实验在典型的数据集MSCOCO以及VOC07上进行.实验评估表明,本文提出的方法具有良好的有效性和可扩展性. 展开更多
关键词 图像目标检测 迁移学习 扩张卷积网络 轻量化网络 卷积神经网络
在线阅读 下载PDF
重构迁移学习的红外目标分类 认领
17
作者 毛远宏 贺占庄 马钟 《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第4期609-614,共6页
红外图像目标分类在目标识别等领域有重要的应用价值,目前卷积神经网络在可见光图像分类方面达到了优异的性能。但对于红外图像来说,由于有标记样本数量少和图像成像差异大,直接使用现有的网络模型来处理红外图像无法取得理想效果。该... 红外图像目标分类在目标识别等领域有重要的应用价值,目前卷积神经网络在可见光图像分类方面达到了优异的性能。但对于红外图像来说,由于有标记样本数量少和图像成像差异大,直接使用现有的网络模型来处理红外图像无法取得理想效果。该文将可见光图像作为源域,将红外图像作为目标域,在深度网络中使用迁移学习方法来解决此问题。在迁移学习中,目标域网络提取的特征越能体现出本域数据的真实分布,那么在此基础上进行两个域的分布适配就更加有效,迁移后的目标域网络性能和泛化能力越好。该文首先利用大量无监督的红外样本训练了红外图像深度卷积自编码器,增强了红外图像域网络的特征表达能力。其次,通过减小源域和目标域的特征分布距离,使得两个图像域特征分布相似,从而将源域中深度网络的学习能力迁移到目标域。经过上述改进,相比于可见光图像预训练微调的方法,分类准确率提升了11.27%。 展开更多
关键词 卷积自编码器 卷积神经网络 红外图像 目标分类 迁移学习
在线阅读 免费下载
基于Spider卷积的三维点云分类与分割网络 认领
18
作者 王本杰 农丽萍 +2 位作者 张文辉 林基明 王俊义 《计算机应用》 CSCD 北大核心 2020年第6期1607-1612,共6页
针对传统的卷积神经网络(CNN)不能直接处理点云数据,需先将点云数据转换为多视图或者体素化网格,导致过程复杂且点云识别精度低的问题,提出一种新型的点云分类与分割网络Linked-Spider CNN。首先,在Spider CNN基础上通过增加Spider卷积... 针对传统的卷积神经网络(CNN)不能直接处理点云数据,需先将点云数据转换为多视图或者体素化网格,导致过程复杂且点云识别精度低的问题,提出一种新型的点云分类与分割网络Linked-Spider CNN。首先,在Spider CNN基础上通过增加Spider卷积层数以获取点云深层次特征;其次,引入残差网络的思想在每层Spider卷积增加短连接构成残差块;然后,将每层残差块的输出特征进行拼接融合形成点云特征;最后,使用三层全连接层对点云特征进行分类或者利用多层卷积层对点云特征进行分割。在ModelNet40和ShapeNet Parts数据集上将所提网络与PointNet、PointNet++和Spider CNN等网络进行对比实验,实验结果表明,所提网络可以提高点云的分类精度和分割效果,说明该网络具有更快的收敛速度和更强的鲁棒性。 展开更多
关键词 卷积神经网络 Spider卷积 点云分类与分割 残差块 鲁棒性
在线阅读 下载PDF
基于卷积神经网络的脑电信号分类 认领
19
作者 李玉花 柳倩 +2 位作者 韦新 程永强 李海芳 《科学技术与工程》 北大核心 2020年第15期6135-6140,共6页
针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数... 针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。 展开更多
关键词 多尺度卷积 卷积神经网络 脑电 信号分类
在线阅读 免费下载
基于卷积神经网络在征信方面的研究 认领
20
作者 鲍佳彤 《时代金融》 2020年第5期97-97,100共2页
卷积神经网络(CNN)最早用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力,语音识别、人脸识别等方面均有突破。一、项目简介基于卷积神经网络(CNN)的征信系统,作为个人征信系统第三方机构,利... 卷积神经网络(CNN)最早用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力,语音识别、人脸识别等方面均有突破。一、项目简介基于卷积神经网络(CNN)的征信系统,作为个人征信系统第三方机构,利用合作单位已有大数据对卷积神经系统进行训练,使系统具有高准确率对未来借贷人交易数据进行分析,快速得出是否可提供贷款及借贷金额和时间。 展开更多
关键词 卷积神经网络 征信系统 特征矩阵 卷积
上一页 1 2 250 下一页 到第
使用帮助 返回顶部 意见反馈