期刊文献+
共找到37篇文章
< 1 2 >
每页显示 20 50 100
多尺度卷积神经网络的头部姿态估计
1
作者 梁令羽 张天天 何为 《激光与光电子学进展》 CSCD 北大核心 2019年第13期71-78,共8页
针对多尺度卷积神经网络的头部姿态估计准确率在实际应用中易受到光照、遮挡等干扰因素的影响,以及大量运算导致算法运行速度较低的问题,提出了头部姿态估计算法。使用不同尺度的卷积核对输入的头部姿态图片进行特征提取,丰富了图像特征... 针对多尺度卷积神经网络的头部姿态估计准确率在实际应用中易受到光照、遮挡等干扰因素的影响,以及大量运算导致算法运行速度较低的问题,提出了头部姿态估计算法。使用不同尺度的卷积核对输入的头部姿态图片进行特征提取,丰富了图像特征,同时保留了图像信息,增强了算法对干扰因素的稳健性。引入1×1卷积对网络结构参数进行降维,降低了系统的运算量,提高了算法的时效性。实验结果表明,所提算法在Pointing′04和CAS-PEAL-R1数据库上的识别率分别为96.5%和98.9%,对于光照、表情、遮挡等干扰表现出较好的稳健性,具有较快的运行速度。 展开更多
关键词 图像处理 头部姿态估计 卷积神经网络 尺度卷积 1X1卷积
基于多尺度深度卷积网络的高光谱图像分类 预览
2
作者 冯帅星 《现代商贸工业》 2019年第4期186-187,共2页
高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱数据的地面物体精确分类是高光谱遥感技术的核心应用之一。随着深度学习的发展,卷积神经网络在图像分类上表现效果优异。针对高光谱图像光谱维度高、特征丰富的特点,应用添加多尺... 高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱数据的地面物体精确分类是高光谱遥感技术的核心应用之一。随着深度学习的发展,卷积神经网络在图像分类上表现效果优异。针对高光谱图像光谱维度高、特征丰富的特点,应用添加多尺度滤波器的深度卷积网络进行图像的像元精细分类。实验证明,结合多尺度滤波器的深度卷积网络模型可以得到更好的分类效果。 展开更多
关键词 遥感图像 卷积网络 尺度卷积 深度学习
在线阅读 下载PDF
用于网络入侵检测的多尺度卷积CNN模型 预览
3
作者 刘月峰 王成 +1 位作者 张亚斌 苑江浩 《计算机工程与应用》 CSCD 北大核心 2019年第3期90-95,153共7页
鉴于卷积神经网络在计算机视觉等诸多领域取得的巨大成就,提出一种将多尺度卷积神经网络应用到网络入侵检测领域的方法。该方法将IDS中的网络数据转化成卷积神经网络能够输入的数据,利用不同尺度卷积核对大量高维无标签原始数据进行不... 鉴于卷积神经网络在计算机视觉等诸多领域取得的巨大成就,提出一种将多尺度卷积神经网络应用到网络入侵检测领域的方法。该方法将IDS中的网络数据转化成卷积神经网络能够输入的数据,利用不同尺度卷积核对大量高维无标签原始数据进行不同层次特征提取,再采用BN方法优化网络结构学习率,从而获得原始数据的最优特征表示。实验采用KDDcup99数据集进行实验测试,与经典的模型相比,结果表明MSCNN模型不仅收敛速度快,而且误检率平均降低4.02%,准确率平均提高4.38%。因此MSCNN方法是一种可行且高效的方法,为网络入侵检测系统领域提供一种全新的思路。 展开更多
关键词 入侵检测 深度学习 卷积神经网络 BN算法 尺度卷积
在线阅读 下载PDF
改进多尺度卷积神经网络的单幅图像去雾方法 预览
4
作者 雎青青 李朝锋 桑庆兵 《计算机工程与应用》 CSCD 北大核心 2019年第10期179-185,共7页
针对当前已有的去雾方法容易造成天空区域存在光晕以及色彩失真的现象,提出了一种多尺度卷积结合大气散射模型的单幅图像去雾算法。将原始有雾图像与三个不同尺度的卷积核进行卷积,经过一系列特征学习后得到粗略的传播图,然后使用引导... 针对当前已有的去雾方法容易造成天空区域存在光晕以及色彩失真的现象,提出了一种多尺度卷积结合大气散射模型的单幅图像去雾算法。将原始有雾图像与三个不同尺度的卷积核进行卷积,经过一系列特征学习后得到粗略的传播图,然后使用引导滤波器对其进行优化,得到精细化后的传播图。利用粗传播图和有雾图像计算出全局大气光。根据大气散射模型反推出无雾清晰图像。实验结果表明,该方法对天空区域的处理更加自然,在图像的纹理细节以及颜色失真上有较好的效果。 展开更多
关键词 图像去雾 图像复原 尺度卷积 散射模型
在线阅读 下载PDF
基于深度学习的单幅图像去雾算法
5
作者 赵建堂 《激光与光电子学进展》 CSCD 北大核心 2019年第11期138-145,共8页
提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃... 提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃连接结构。实验结果表明,无论是针对合成雾天图像数据集还是针对自然雾天图像数据集,所提去雾算法恢复的图像皆具有较高的清晰度和对比度,在主观评价和客观评价上均优于其他对比算法。 展开更多
关键词 图像处理 图像去雾 深度学习 大气散射模型 图像恢复 尺度卷积
复杂环境中的线结构光中心提取方法 预览
6
作者 郭雁蓉 杨剑 +2 位作者 宋文爱 郭斯檀 张强 《计算机工程与设计》 北大核心 2019年第4期1133-1138,1144共7页
为避免复杂环境和物体不均等因素影响,造成提取的线结构光中心不完整、无效或者断裂问题,提出一种多尺度卷积并行的方式,利用端到端深度学习方法提取线结构光中心。用第一个网络进行目标检测,用于提取感兴趣的图像特征区域,检测到线结... 为避免复杂环境和物体不均等因素影响,造成提取的线结构光中心不完整、无效或者断裂问题,提出一种多尺度卷积并行的方式,利用端到端深度学习方法提取线结构光中心。用第一个网络进行目标检测,用于提取感兴趣的图像特征区域,检测到线结构光。因为第一个网络中加入解码层和编码层,即使在复杂的背景环境中,也可以提取线结构光的面积。使用第二个网络和稀疏算法得到单像素的线结构光中心。通过不断优化算法定义的损失函数值,得到平滑、完整的中心线。实验结果表明,该方法速度快,有效排除了环境干扰,在复杂环境中提取的线结构光中心线完整。 展开更多
关键词 线结构光 中心提取 复杂环境 尺度卷积 端到端深度学习
在线阅读 下载PDF
一种基于相位一致性相关的多源遥感影像配准方法 预览
7
作者 范登科 潘励 叶沅鑫 《铁道标准设计》 北大核心 2012年第2期共6页
针对几何校正过程中多源遥感影像同名点匹配率低的问题,提出一种基于相位一致性相关的遥感影像配准方法.该方法首先使用多尺度harris提取出不受高斯平滑影响、位置稳定的角点,而后以金字塔分层映射为搜索策略,在参考影像上预测可能包含... 针对几何校正过程中多源遥感影像同名点匹配率低的问题,提出一种基于相位一致性相关的遥感影像配准方法.该方法首先使用多尺度harris提取出不受高斯平滑影响、位置稳定的角点,而后以金字塔分层映射为搜索策略,在参考影像上预测可能包含同名点的子区域,通过计算该子区域与待匹配点领域的相位一致性,同时引入相关系数作为相似性度量获取同名点对,最终实现不同光谱影像间的配准.实验表明,该方法的误匹配率较低,精度和稳定性高于传统原始影像灰度相关及同类配准方法,适用于不同传感器或不同光谱通道间影像的匹配. 展开更多
关键词 影像配准 尺度卷积 相位一致性 相关系数
在线阅读 下载PDF
多尺度密集残差网络的单幅图像超分辨率重建
8
作者 应自炉 龙祥 《中国图象图形学报》 CSCD 北大核心 2019年第3期410-419,共10页
目的近几年应用在单幅图像超分辨率重建上的深度学习算法都是使用单种尺度的卷积核提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏。另外,为了获得更好的图像超分辨率重建效果,网络模型也不断被加深,伴随而来的梯度消失问题... 目的近几年应用在单幅图像超分辨率重建上的深度学习算法都是使用单种尺度的卷积核提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏。另外,为了获得更好的图像超分辨率重建效果,网络模型也不断被加深,伴随而来的梯度消失问题会使得训练时间延长,难度加大。针对当前存在的超分辨率重建中的问题,本文结合GoogleNet思想、残差网络思想和密集型卷积网络思想,提出一种多尺度密集残差网络模型。方法本文使用3种不同尺度卷积核对输入的低分辨率图像进行卷积处理,采集不同卷积核下的底层特征,这样可以较多地提取低分辨率图像中的细节信息,有利于图像恢复。再将采集的特征信息输入残差块中,每个残差块都包含了多个由卷积层和激活层构成的特征提取单元。另外,每个特征提取单元的输出都会通过短路径连接到下一个特征提取单元。短路径连接可以有效地缓解梯度消失现象,加强特征传播,促进特征再利用。接下来,融合3种卷积核提取的特征信息,经过降维处理后与3×3像素的卷积核提取的特征信息相加形成全局残差学习。最后经过重建层,得到清晰的高分辨率图像。整个训练过程中,一幅输入的低分辨率图像对应着一幅高分辨率图像标签,这种端到端的学习方法使得训练更加迅速。结果本文使用两个客观评价标准PSNR(peak signal-to-noise ratio)和SSIM(structural similarity index)对实验的效果图进行测试,并与其他主流的方法进行对比。最终的结果显示,本文算法在Set5等多个测试数据集中的表现相比于插值法和SRCNN算法,在放大3倍时效果提升约3.4dB和1.1dB,在放大4倍时提升约3.5dB和1.4dB。结论实验数据以及效果图证明本文算法能够较好地恢复低分辨率图像的边缘和纹理信息。 展开更多
关键词 单幅图像超分辨率 尺度卷积 残差网络 密集型卷积网络 特征提取单元
基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究
9
作者 张柳 王晰巍 +1 位作者 黄博 刘宇桐 《图书情报工作》 CSSCI 北大核心 2019年第18期99-108,共10页
[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络,运用多尺度卷积核改善微博评论中上下文信息有限的条件制约,构建基于字词... [目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络,运用多尺度卷积核改善微博评论中上下文信息有限的条件制约,构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型;通过爬取“微博热搜整改”数据,对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法,在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。 展开更多
关键词 卷积神经网络 字词向量 尺度卷积 微博评论 情感分类
多尺度卷积神经网络的噪声模糊图像盲复原 预览
10
作者 刘鹏飞 赵怀慈(指导) 曹飞道 《红外与激光工程》 EI CSCD 北大核心 2019年第4期300-308,共9页
图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想。针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模... 图像盲复原是从一幅观测的模糊图像恢复出模糊核和清晰图像,传统盲去卷积算法采用简化模型估计模糊核,导致预测模糊核与真实值误差较大,最终复原结果不理想。针对此问题提出一种基于改进残差模块的多尺度卷积神经网络模型,采用端到端模式,无需估计模糊核。提出了一种基于限制网络输入的改进Wasserstein GAN (WGAN),增加了一层输入限制层,能够限定参数初始值,提高了网络收敛速度。设计了多重损失函数,融合了基于多尺度网络的感知损失和基于条件式生成对抗网络的对抗损失。实验结果表明:所提方法在定量和定性评价指标上优于已有的代表性方法,并且运行速度比相近算法快了4倍。 展开更多
关键词 尺度卷积神经网络 重损失函数 生成式对抗网络 噪声模糊图像
在线阅读 下载PDF
基于多尺度卷积神经网络的糖尿病视网膜病变病灶检测算法及应用 预览
11
作者 杨叶辉 刘佳 +2 位作者 许言午 黄艳 王磊 《中华实验眼科杂志》 CAS CSCD 北大核心 2019年第8期624-629,共6页
目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁... 目的提出一种基于多尺度卷积神经网络(CNN)的眼底图像病灶检测算法,并探讨其在糖尿病视网膜病变(DR)中的应用。方法对比现有眼底病灶检测方法,提出一种基于CNN的眼底图像病灶检测算法。本算法不仅克服了基于阈值分割和形态学分割方法鲁棒性差的问题,同时在不依赖人工逐像素标注的前提下,采用多尺度图像块的检测思路,显著提升检测器对小病灶目标检测的性能。此外,提出的新型损失函数在弱标签、小数据集的条件下,实现多类型、高准确率的DR病灶检测。结果从病灶水平来看,该算法对硬性渗出病灶检测的敏感性和特异性分别为92.17%和97.17%;相较于单尺度方法,本研究中提出的多尺度方法的敏感性和准确率分别提升了7.41%和5.02%;在公开数据集IDRiD上较其他检测方法特异性提高了55.82%。本方法能够将眼底图像中的病变有效地检测出来,且能够给出病灶的基本范围,对于有大量病灶眼底图像的平均检测时间为1.59s。结论基于多尺度CNN的眼底图像病灶检测算法能够快速、可靠地识别出眼底图像中的DR病灶并标注出病灶的位置信息,降低主观因素的影响,辅助临床医生更加高效、准确地进行DR病变筛查。 展开更多
关键词 人工智能 糖尿病视网膜病变/诊断 彩色眼底照相 尺度卷积神经网络
在线阅读 下载PDF
基于时序空间关系模型的交通标志识别 预览
12
作者 翟孝威 宋云志 《计算机时代》 2019年第6期63-66,70共5页
道路交通标志识别是汽车无人驾驶技术的重要组成部分。通过调整卷积层和池化层数据输入方式,改进具有融合特征的多尺度卷积神经网络,提高识别准确率。依据视频图像的空间连续关系构建时序空间关系模型(Temporal-SpatialModel,TSM),结合... 道路交通标志识别是汽车无人驾驶技术的重要组成部分。通过调整卷积层和池化层数据输入方式,改进具有融合特征的多尺度卷积神经网络,提高识别准确率。依据视频图像的空间连续关系构建时序空间关系模型(Temporal-SpatialModel,TSM),结合多尺度卷积神经网络减少识别数据量,提高处理的效率,实现视频图像交通标志的高效率和高准确率识别。实验结果表明,所提出的算法识别率保持90.36%,在原始图像上运行平均帧率为32fps,有效地改进了基于单帧的交通标志图像识别效率低的问题。 展开更多
关键词 交通标志识别 汽车无人驾驶 尺度卷积神经网络 时序空间关系模型
在线阅读 下载PDF
利用多尺度卷积神经网络的图像超分辨率算法 预览 被引量:2
13
作者 陈书贞 解小会 +1 位作者 杨郁池 练秋生 《信号处理》 CSCD 北大核心 2018年第9期1033-1044,共12页
单幅图像超分辨率问题是典型的图像反问题。近年来深度学习广泛应用于图像超分辨率重建。为提高超分辨率算法的性能,本文利用多尺度和残差训练的思想,提出一种利用多尺度卷积神经网络的图像超分辨率算法。该算法采用多尺度的卷积核及收... 单幅图像超分辨率问题是典型的图像反问题。近年来深度学习广泛应用于图像超分辨率重建。为提高超分辨率算法的性能,本文利用多尺度和残差训练的思想,提出一种利用多尺度卷积神经网络的图像超分辨率算法。该算法采用多尺度的卷积核及收缩--扩展的网络结构来提取图像多尺度的信息,并在网络结构中使用跳跃连接,以便更好的传递信息并弥补由于使用下采样和上采样而造成的图像细节信息的损失,来提高图像的重建质量。通过与其他算法的对比实验表明了本文算法不仅可以取得更好的性能,并且训练的收敛速度较快。 展开更多
关键词 超分辨率 深度学习 尺度卷积 残差训练 跳跃连接
在线阅读 下载PDF
基于多特征尺度特征融合的航空指挥动作识别 预览
14
作者 李振宇 邓向阳 +1 位作者 张立民 王彦哲 《海军航空工程学院学报》 2018年第5期465-472,共8页
视觉辅助引导系统 (Visual aided Guide System, VaGS) 是未来航空运输必不可少的重要组成部分, 可以大大节省地面指挥和引导资源, 提高安全性.VaGS的核心技术是识别地面指挥员手势并将其转化为指令.介绍了一种新的高效手势识别体系结... 视觉辅助引导系统 (Visual aided Guide System, VaGS) 是未来航空运输必不可少的重要组成部分, 可以大大节省地面指挥和引导资源, 提高安全性.VaGS的核心技术是识别地面指挥员手势并将其转化为指令.介绍了一种新的高效手势识别体系结构, 它主要包括2个部分: ①采用多尺度浅层结构进行特征学习, 将全局身体姿态特征与局部手势特征提这两种尺度特征进行融合;② 所提取的特征输入到超限学习机 (Exteme Learning Machine,ELM) 中进行分类, 输出指令.实验结果表明, 在自建的40个类别的航空指挥动作数据集中, 准确率达到98.5%,单帧用时0.13 ms. 展开更多
关键词 航空动作识别 超限学习机 尺度卷积神经网络 视觉辅助引导系统
在线阅读 免费下载
基于联合特征学习的多尺度卷积神经网络在外汇交易市场中的应用 预览
15
作者 陈希远 朱佳 《计算机与现代化》 2018年第9期122-126,共5页
卷积神经网络(CNN)已经引起了计算机视觉领域的变革。本文探讨CNN的一个具体应用:已知价格在过去一段时间内的波动图后,利用CNN对外汇市场的价格进行预测,然后将预测结果用于外汇交易,最终获利。采用联合特征学习机制,创建一种新的... 卷积神经网络(CNN)已经引起了计算机视觉领域的变革。本文探讨CNN的一个具体应用:已知价格在过去一段时间内的波动图后,利用CNN对外汇市场的价格进行预测,然后将预测结果用于外汇交易,最终获利。采用联合特征学习机制,创建一种新的可处理多种特征的多尺度CNN应用框架。实验结果表明,相比于只考虑图像特征的传统CNN及其他机器学习算法,本文算法的实用性更强。 展开更多
关键词 尺度卷积神经网络 联合特征学习 外汇交易
在线阅读 下载PDF
基于多尺度卷积神经网络的交通标志识别 预览 被引量:1
16
作者 宋青松 张超 +2 位作者 田正鑫 陈禹 王兴莉 《湖南大学学报:自然科学版》 CSCD 北大核心 2018年第8期131-137,共7页
针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改... 针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性. 展开更多
关键词 模式识别系统 交通标志识别 尺度卷积神经网络 SoftMax分类器
在线阅读 下载PDF
多尺度卷积神经网络的单幅图像去雨方法 预览
17
作者 郭继昌 郭昊 郭春乐 《哈尔滨工业大学学报》 CSCD 北大核心 2018年第3期185-191,共7页
雨天气会影响户外拍摄图像质量,模糊和覆盖图像信息.为提高受雨天气影响的户外拍摄图像的清晰度,恢复图像特征信息,提高很多计算机视觉算法在雨天气条件下的准确性,提出一种基于多尺度卷积神经网络的单幅图像去雨方法.首先建立多尺度卷... 雨天气会影响户外拍摄图像质量,模糊和覆盖图像信息.为提高受雨天气影响的户外拍摄图像的清晰度,恢复图像特征信息,提高很多计算机视觉算法在雨天气条件下的准确性,提出一种基于多尺度卷积神经网络的单幅图像去雨方法.首先建立多尺度卷积神经网络网络结构,通过多尺度卷积提取图像信息,用于去除雨线和重建图像,然后结合雨线在图像中的低饱和度、高亮度的特征,对网络进行训练,获取网络最优参数值,最终得到可以有效去除雨线的卷积神经网络.实验结果表明:提出的方法相较于现有算法有更好的雨线去除效果,并且可以更好地保持图像的原有信息,避免图像模糊现象.同时,利用多尺度卷积提取图像特征信息可以使特征信息更加丰富,有利于提升卷积神经网络的去雨能力. 展开更多
关键词 图像特征信息 计算机视觉算法 图像去雨 尺度卷积神经网络 低饱和度、高亮度
在线阅读 免费下载
基于条件随机场与多尺度卷积神经网络的交通标志检测与识别 预览
18
作者 李凯 韩冰 张景滔 《计算机应用》 CSCD 北大核心 2018年第A02期270-275,共6页
交通标志的检测与识别主要可以分为候选区域的提取与识别两个阶段。在候选区域提取阶段,首先生成颜色先验特征图和颜色概率特征图,然后利用条件随机场(CRF)对道路场景图像的颜色先验特征图与颜色概率特征图进行融合,得到交通标志显著性... 交通标志的检测与识别主要可以分为候选区域的提取与识别两个阶段。在候选区域提取阶段,首先生成颜色先验特征图和颜色概率特征图,然后利用条件随机场(CRF)对道路场景图像的颜色先验特征图与颜色概率特征图进行融合,得到交通标志显著性图像,进而通过最大稳定极值区域(MSER)算法进行候选区域提取,克服光照强烈变化以及复杂背景对提取结果的影响。在候选区域的识别阶段,通过多尺度卷积神经网络来完成交通标志的识别。 展开更多
关键词 交通标志检测与识别 条件随机场 尺度卷积神经网络
在线阅读 下载PDF
高分辨率遥感影像场景的多尺度神经网络分类法 预览 被引量:2
19
作者 郑卓 方芳 +3 位作者 刘袁缘 龚希 郭明强 罗忠文 《测绘学报》 CSCD 北大核心 2018年第5期620-630,共11页
高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础,在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度,本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。不同于传... 高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础,在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度,本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。不同于传统的卷积神经网络模型,JMCNN建立了一个具有3个不同尺度通道的端对端多尺度联合卷积网络模型,包括多通道特征提取器、多尺度特征联合和Softmax分类3个部分。首先,多通道特征提取器提取图像中、高层多尺度特征;然后,多尺度特征联合对多个通道的中、高层多尺度特征进行多次融合以增强特征表达;最后,Softmax对高层特征进行分类。本文在UC Merced和SIRI遥感数据集进行测试,试验表明JMCNN模型在特征表达和计算速度方面均有显著提高,在小样本数据量下分别达到89.3%和88.3%的识别精度。 展开更多
关键词 高分辨率遥感影像 场景分类 联合尺度卷积神经网络 高层特征增强表达 有限数据集
在线阅读 下载PDF
基于深度残差网络与边缘监督学习的显著性检测
20
作者 时斐斐 张松龙 彭力 《激光与光电子学进展》 CSCD 北大核心 2019年第15期136-144,共9页
针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学... 针对复杂背景下,图像显著区域显著值低和目标边缘表现模糊的问题,提出了基于深度残差网络和多尺度边缘残差学习的显著性检测方法。一方面提出了边缘残差块,使用边缘残差块在深度残差网络的基础上构建边缘监督网络,用于显著图边缘监督学习;另一方面,通过构建基于背景、前景和边缘的三分类模型,训练网络学习边缘特征,使目标边缘更加准确,同时输出采用空洞卷积构建多尺度空洞卷积单元,多尺度地对全局信息进行特征整合提取。最后,将提出的算法在数据集SED2和ECSSD上进行模型简化测试,使用公认评价指标对所提算法和当前多种算法进行评价。实验结果表明,该方法的准确率和召回率更高,对显著目标保持了良好的完整性,且在边缘轮廓区域更好地区分了显著目标与背景。 展开更多
关键词 机器视觉 显著性检测 边缘残差块 三分类模型 尺度空洞卷积
上一页 1 2 下一页 到第
使用帮助 返回顶部 意见反馈