期刊文献+
共找到489篇文章
< 1 2 25 >
每页显示 20 50 100
深度学习在图像识别中的应用研究综述 预览
1
作者 郑远攀 李广阳 李晔 《计算机工程与应用》 CSCD 北大核心 2019年第12期20-36,共17页
深度学习作为图像识别领域重要的技术手段,有着广阔的应用前景,开展图像识别技术研究对推动计算机视觉及人工智能的发展具有重要的理论价值和现实意义,文中对深度学习在图像识别中的应用给予综述。介绍了深度学习的由来,具体分析了深度... 深度学习作为图像识别领域重要的技术手段,有着广阔的应用前景,开展图像识别技术研究对推动计算机视觉及人工智能的发展具有重要的理论价值和现实意义,文中对深度学习在图像识别中的应用给予综述。介绍了深度学习的由来,具体分析了深度信念网络、卷积神经网络、循环神经网络、生成式对抗网络以及胶囊网络等深度学习模型,对各个深度学习模型的改进型模型逐一对比分析。总结近年来深度学习在人脸识别、医学图像识别、遥感图像分类等图像识别应用领域取得的研究成果并探讨了已有研究值得商榷之处,对深度学习在图像识别领域中的发展趋势进行探讨,指出有效使用迁移学习技术识别小样本数据,使用非监督与半监督学习对图像进行识别,如何对视频图像进行有效识别以及强化模型的理论性等是该领域研究的进一步方向。 展开更多
关键词 深度学习 图像识别 卷积神经网络 胶囊网络 迁移学习 非监督学习
在线阅读 下载PDF
成人在线学习动机对学习迁移的影响:知识惯性的调节作用 预览
2
作者 赵慧军 李岩 刘西真 《电化教育研究》 CSSCI 北大核心 2019年第8期37-44,共8页
在线学习成为人们学习的重要途径,但在线学习的动机对于学习迁移的影响少有讨论,特别是在线学习动机的各个维度对学习迁移行为的影响并未得到有效考察。文章通过211份有效问卷的分析,得出以下结论:在线学习动机中认知兴趣、职业发展、... 在线学习成为人们学习的重要途径,但在线学习的动机对于学习迁移的影响少有讨论,特别是在线学习动机的各个维度对学习迁移行为的影响并未得到有效考察。文章通过211份有效问卷的分析,得出以下结论:在线学习动机中认知兴趣、职业发展、摆脱常规、外界影响和社会服务均可以显著正向影响学习迁移,人际关系对学习迁移的影响不显著;经验惯性对在线学习动机的职业发展、摆脱常规和社会服务对学习迁移的影响上具有负向调节作用,对认知兴趣、外界影响对学习迁移的影响的调节作用不显著;学习惯性对在线学习动机的职业发展、摆脱常规和社会服务对学习迁移的影响上具有正向调节作用,对认知兴趣、外界影响对学习迁移影响的调节作用不显著。 展开更多
关键词 在线学习 在线学习动机 学习迁移 知识惯性
在线阅读 下载PDF
利用网络图像增强行为识别 预览
3
作者 闻号 《计算机技术与发展》 2019年第1期31-34,共4页
鉴于商业视觉搜索引擎的日益成熟,网络数据可能是下一个扩大视觉识别的重要数据源。通过观察发现,动作名称查询到的网络图像具有歧视性的动作场景。网络图像的歧视性信息和视频的时间信息之间有相互补充的优势。在此基础上提出一种利用... 鉴于商业视觉搜索引擎的日益成熟,网络数据可能是下一个扩大视觉识别的重要数据源。通过观察发现,动作名称查询到的网络图像具有歧视性的动作场景。网络图像的歧视性信息和视频的时间信息之间有相互补充的优势。在此基础上提出一种利用大量的网络图像来增强行为识别的方法。具体框架是:提取行为视频的密集轨迹特征,并与网络图像特征相结合后放入支持向量机中训练分类。该方法是一个跨域学习问题,为了有效地利用网络图像特征,引入了跨域字典学习算法来处理网络图像,以解决网络图像域和视频域之间存在的域差异问题。由于网络图像可以轻松地在网络上获取,所以该方法几乎零成本地增强行为识别。在KTH和YouTube数据集上的实验结果表明,该方法有效提高了人体行为识别的准确率。 展开更多
关键词 网络学习 迁移学习 行为识别 密集轨迹 字典学习
在线阅读 下载PDF
基于深度学习的椎间孔狭窄自动多分级研究 预览
4
作者 洪雁飞 魏本征 +2 位作者 刘川 韩忠义 李天阳 《智能系统学报》 CSCD 北大核心 2019年第4期708-715,共8页
椎间孔狭窄症的术前定性分级诊断对临床医生治疗策略的制定和患者健康恢复至关重要,但目前该方面临床上仍然存在很多问题,并且缺乏相关的研究和行之有效的方法用于辅助临床医生诊断。因此,为提高计算机辅助椎间孔狭窄症诊断准确率以及... 椎间孔狭窄症的术前定性分级诊断对临床医生治疗策略的制定和患者健康恢复至关重要,但目前该方面临床上仍然存在很多问题,并且缺乏相关的研究和行之有效的方法用于辅助临床医生诊断。因此,为提高计算机辅助椎间孔狭窄症诊断准确率以及医生工作效率,本文提出一种基于深度学习的椎间孔狭窄图像自动分级算法。从人体矢状切脊柱核磁共振图像中提取脊柱椎间孔图像,并做图像预处理;设计一种监督式深度卷积神经网络模型,用于实现脊柱椎间孔图像数据集的自动多分级;利用迁移学习方法,解决深度学习算法在小样本数据集上的过拟合问题。实验结果表明,本文算法在脊柱椎间孔图像数据集上的分类精确度可达到87.5%以上,且其具有良好的鲁棒性和泛化能力。 展开更多
关键词 椎间孔狭窄 自动分级 机器学习 深度学习 特征提取 监督训练 迁移学习 过拟合
在线阅读 下载PDF
一种基于迁移学习的学习资源推荐方法 预览
5
作者 唐路平 许庆贤 肖迎元 《天津理工大学学报》 2019年第3期10-16,共7页
移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书... 移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书网等.手动检索和个性化推荐是在线学习系统提供给用户获取学习资源的常用方式.个性化推荐因其能主动建模学习者偏好,为学习者提供个性化的学习资源推荐服务而受到了广泛关注并成为在线学习领域的研究热点.本文在传统协同过滤个性化推荐系统的基础上提出一种基于迁移学习的学习资源的推荐方法,该方法从已有的数据中学习知识,然后迁移到目标任务中,解决了目标任务中数据过少从而导致学习特征的能力不足的问题. 展开更多
关键词 泛在学习 迁移学习 学习资源 推荐系统
在线阅读 免费下载
基于迁移学习的火焰图像识别技术研究 预览
6
作者 黎传琛 白勇 陈益民 《高技术通讯》 CAS 北大核心 2019年第3期274-282,共9页
针对火灾视频中复杂背景环境下火焰识别问题,提出了一种基于迁移学习的火焰图像智能识别方法。采用以深度学习预训练的模型为基础并经过迁移学习作为特征提取器提出特征,而后进行特征融合并结合传统机器学习分类器方法进行识别的流程。... 针对火灾视频中复杂背景环境下火焰识别问题,提出了一种基于迁移学习的火焰图像智能识别方法。采用以深度学习预训练的模型为基础并经过迁移学习作为特征提取器提出特征,而后进行特征融合并结合传统机器学习分类器方法进行识别的流程。在所提出的流程中采用逻辑回归和Xgboost两种机器学习算法作为最终分类器进行了实验,结果表明识别准确率得到较大的提升。最终识别时只需要输入原始图片,就能够自动得出识别结果,在火灾视频中复杂环境下的火焰识别方面取得了很好的效果。 展开更多
关键词 火焰图像识别 深度学习 迁移学习 机器学习 特征提取
在线阅读 下载PDF
基于深度学习的图像风格迁移研究综述 预览 被引量:1
7
作者 陈淑環 韦玉科 +2 位作者 徐乐 董晓华 温坤哲 《计算机应用研究》 CSCD 北大核心 2019年第8期2250-2255,共6页
为推进基于深度学习的图像风格迁移的技术研究,对目前基于深度学习的图像风格迁移的主要方法和代表性工作进行了归纳与探讨。回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像... 为推进基于深度学习的图像风格迁移的技术研究,对目前基于深度学习的图像风格迁移的主要方法和代表性工作进行了归纳与探讨。回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像风格迁移在相关领域中的应用前景,最后总结了基于深度学习的图像风格迁移目前存在的问题与未来的研究方向。 展开更多
关键词 图像风格迁移 深度学习 迁移学习 纹理合成
在线阅读 下载PDF
基于特征迁移和实例迁移的跨项目缺陷预测方法 预览
8
作者 倪超 陈翔 +3 位作者 刘望舒 顾庆 黄启国 李娜 《软件学报》 EI CSCD 北大核心 2019年第5期1308-1329,共22页
在实际软件开发中,需要进行缺陷预测的项目可能是一个新启动项目,或者这个项目的历史训练数据较为稀缺.一种解决方案是利用其他项目(即源项目)已搜集的训练数据来构建模型,并完成对当前项目(即目标项目)的预测.但不同项目的数据集间会... 在实际软件开发中,需要进行缺陷预测的项目可能是一个新启动项目,或者这个项目的历史训练数据较为稀缺.一种解决方案是利用其他项目(即源项目)已搜集的训练数据来构建模型,并完成对当前项目(即目标项目)的预测.但不同项目的数据集间会存在较大的分布差异性.针对该问题,从特征迁移和实例迁移角度出发,提出了一种两阶段跨项目缺陷预测方法 FeCTrA.具体来说,在特征迁移阶段,该方法借助聚类分析选出源项目与目标项目之间具有高分布相似度的特征;在实例迁移阶段,该方法基于TrAdaBoost方法,借助目标项目中的少量已标注实例,从源项目中选出与这些已标注实例分布相近的实例.为了验证FeCTrA方法的有效性,选择Relink数据集和AEEEM数据集作为评测对象,以F1作为评测指标.首先,FeCTrA方法的预测性能要优于仅考虑特征迁移阶段或实例迁移阶段的单阶段方法;其次,与经典的跨项目缺陷预测方法 TCA+、Peters过滤法、Burak过滤法以及DCPDP法相比,FeCTrA方法的预测性能在Relink数据集上可以分别提升23%、7.2%、9.8%和38.2%,在AEEEM数据集上可以分别提升96.5%、108.5%、103.6%和107.9%;最后,分析了FeCTrA方法内的影响因素对预测性能的影响,从而为有效使用FeCTrA方法提供了指南. 展开更多
关键词 软件质量保障 软件缺陷预测 跨项目缺陷预测 迁移学习 特征迁移 实例迁移
在线阅读 下载PDF
基于深度学习网络的乳腺癌图片分类研究 预览
9
作者 程年 俞晨 宁静艳 《软件导刊》 2019年第8期26-28,共3页
利用深度学习网络对组织病理图片进行分类,以减少病理学家工作量,达到利用计算机辅助治疗的效果。提出利用在两种预训练好的框架下提取的特征进行训练,并研究了多级分类,该成果有利于癌症后期治疗,更加方便临床医学应用;利用迁移学习能... 利用深度学习网络对组织病理图片进行分类,以减少病理学家工作量,达到利用计算机辅助治疗的效果。提出利用在两种预训练好的框架下提取的特征进行训练,并研究了多级分类,该成果有利于癌症后期治疗,更加方便临床医学应用;利用迁移学习能够减少训练时间,并解决数据集不足的问题;通过数据增强的方法,可有效提高分类准确度。 展开更多
关键词 深度学习 乳腺癌病理图片 数据增强 迁移学习
在线阅读 免费下载
基于深度迁移学习的大鼠肝纤维化诊断 预览
10
作者 余文林 陈振洲 +1 位作者 范冰冰 黄穗 《计算机系统应用》 2019年第5期18-27,共10页
针对肝纤维化临床诊断方法具有有创性和传统机器学习方法特征提取的不完全性的缺陷,本文采用深度迁移学习方法利用预训练的ResNet-18和VGGNet-11模型用于肝纤维化分期诊断.使用南方医科大学提供的大鼠肝纤维化核磁共振影像数据集进行不... 针对肝纤维化临床诊断方法具有有创性和传统机器学习方法特征提取的不完全性的缺陷,本文采用深度迁移学习方法利用预训练的ResNet-18和VGGNet-11模型用于肝纤维化分期诊断.使用南方医科大学提供的大鼠肝纤维化核磁共振影像数据集进行不同程度的迁移训练.将两种模型在通过4种不同参数采集的核磁共振影像数据集上,分别使用6种网络迁移配置训练.实验结果表明,使用T1RHO-FA参数采集的核磁共振影像和采用VGGNet-11模型更能提高肝纤维化分期诊断的准确率.同时相对于ResNet-18模型,深度模型迁移学习方法能稳定提升VGGNet-11模型进行肝纤维化分期诊断的准确率和训练速度. 展开更多
关键词 肝纤维化 深度学习 迁移学习 分期诊断
在线阅读 下载PDF
迁移学习模式下基于GoogLeNet网络的风电机组视觉检测 预览
11
作者 徐一鸣 张娟 +2 位作者 刘成成 顾菊平 潘高超 《计算机科学》 CSCD 北大核心 2019年第5期260-265,共6页
针对无人机航拍环境下拍摄角度变换、特征不显著等干扰问题,提出一种改进的GoogLeNet卷积神经网络对风电机组进行识别和定位,无需人工预选取即可自动提取风电机组类别特征。通过GoogLeNet网络构造风电机组深度特征向量,在网络模型训练... 针对无人机航拍环境下拍摄角度变换、特征不显著等干扰问题,提出一种改进的GoogLeNet卷积神经网络对风电机组进行识别和定位,无需人工预选取即可自动提取风电机组类别特征。通过GoogLeNet网络构造风电机组深度特征向量,在网络模型训练过程中引入迁移学习的概念,利用风电机组图像训练已预训练的GoogLeNet网络,在加快模型训练速度的同时,能避免分类网络陷入局部最优解。并在Faster RCNN框架下采用区域建议网络和多任务损失函数将候选区域搜索和边框回归融入到网络中,实现航拍图像中风电机组的自动分类和标注,缩短数据处理时间。实验结果表明,通过迁移学习的手段,利用优化的GoogLeNet网络能改善复杂航拍环境下的目标视觉检测准确率,完成风电机组自动定位任务,基于GoogLeNet的风电机组平均准确率达到了96%以上。 展开更多
关键词 风电机组 视觉检测 深度学习 卷积神经网络 GoogLeNet模型 迁移学习
在线阅读 免费下载
基于深度学习的玉米抽雄期判识
12
作者 李涛 吴东丽 +2 位作者 胡锦涛 田东哲 阙艳红 《电子测量技术》 2019年第11期102-106,共5页
农作物自动化观测是农业现代化和自动化进展的重要标志和不可缺少的一部分。目前作物生长自动化观测主要通过获取作物生长图像,进而对图像进行处理分析来获取作物生长特征等信息,利用传统的图像分割、特征点检测等方法检测作物的生长特... 农作物自动化观测是农业现代化和自动化进展的重要标志和不可缺少的一部分。目前作物生长自动化观测主要通过获取作物生长图像,进而对图像进行处理分析来获取作物生长特征等信息,利用传统的图像分割、特征点检测等方法检测作物的生长特征误差较大。近年来,深度学习迅速发展,且在多个领域得到广泛应用。在ImageNet数据集和大量的玉米作物图像基础上,对深度学习中常用的CNN进行训练和微调,充分利用迁移学习的优势,得到识别模型,对玉米雄穗进行识别,进而对玉米抽雄期进行判识。实验证明深度学习方法在作物生长特征识别上有良好的效果,比传统方法有显著提高。 展开更多
关键词 作物生长观测 深度学习 卷积神经网络 迁移学习 图像识别
基于改进YOLO和迁移学习的水下鱼类目标实时检测 预览
13
作者 李庆忠 李宜兵 牛炯 《模式识别与人工智能》 CSCD 北大核心 2019年第3期193-203,共11页
为了实现非限制环境中水下机器人基于视频图像的水下鱼类目标快速检测,提出基于改进YOLO-和迁移学习的水下鱼类目标实时检测算法.针对YOLO-网络的不足,设计适合水下机器人嵌入式系统计算能力的精简YOLO-网络(Underwater-YOLO).利用迁移... 为了实现非限制环境中水下机器人基于视频图像的水下鱼类目标快速检测,提出基于改进YOLO-和迁移学习的水下鱼类目标实时检测算法.针对YOLO-网络的不足,设计适合水下机器人嵌入式系统计算能力的精简YOLO-网络(Underwater-YOLO).利用迁移学习方法训练Underwater-YOLO网络,克服海底鱼类已知样本集有限的限制.利用基于限制对比度自适应直方图均衡化的水下图像增强预处理算法,克服水下图像的降质问题.利用基于帧间图像结构相似度的选择性网络前向计算策略,提高视频帧检测速率.实验表明,文中算法能实现在非限制环境下海底鱼类目标的实时检测.相比YOLO,文中算法对海底鱼类小目标和重叠目标具有更好的检测性能. 展开更多
关键词 卷积神经网络 深度学习 鱼类目标检测 单级式目标检测算法(YOLO) 迁移学习
在线阅读 下载PDF
基于迁移学习的危险行为识别方法研究 预览
14
作者 李辰政 张小俊 +1 位作者 朱海涛 张明路 《科学技术与工程》 北大核心 2019年第16期187-192,共6页
深度学习中卷积神经网络在行为识别领域有着良好的识别效果,但是由于深度学习需要较大数据集训练模型,而现今公开数据集中危险行为识别相关方向没有大量数据集。针对危险行为识别领域样本少、无法进行深度学习训练等问题,建立了危险行... 深度学习中卷积神经网络在行为识别领域有着良好的识别效果,但是由于深度学习需要较大数据集训练模型,而现今公开数据集中危险行为识别相关方向没有大量数据集。针对危险行为识别领域样本少、无法进行深度学习训练等问题,建立了危险行为识别数据集,并采用迁移学习方法对C3D网络模型进行迁移训练。结果表明,迁移学习后C3D网络模型对危险行为识别数据集平均识别率达到了83.2%,可以有效识别危险行为动作。 展开更多
关键词 危险行为识别 深度学习 迁移学习 卷积神经网络
在线阅读 免费下载
Underwater Object Recognition Based on Deep Encoding-Decoding Network 预览
15
作者 WANG Xinhua OUYANG Jihong +1 位作者 LI Dayu ZHANG Guang 《中国海洋大学学报:英文版》 SCIE CAS CSCD 2019年第2期376-382,共7页
Ocean underwater exploration is a part of oceanography that investigates the physical and biological conditions for scientific and commercial purposes.And video technology plays an important role and is extensively ap... Ocean underwater exploration is a part of oceanography that investigates the physical and biological conditions for scientific and commercial purposes.And video technology plays an important role and is extensively applied for underwater environment observation.Different from the conventional methods,video technology explores the underwater ecosystem continuously and non-invasively.However,due to the scattering and attenuation of light transport in the water,complex noise distribution and lowlight condition cause challenges for underwater video applications including object detection and recognition.In this paper,we propose a new deep encoding-decoding convolutional architecture for underwater object recognition.It uses the deep encoding-decoding network for extracting the discriminative features from the noisy low-light underwater images.To create the deconvolutional layers for classification,we apply the deconvolution kernel with a matched feature map,instead of full connection,to solve the problem of dimension disaster and low accuracy.Moreover,we introduce data augmentation and transfer learning technologies to solve the problem of data starvation.For experiments,we investigated the public datasets with our proposed method and the state-of-the-art methods.The results show that our work achieves significant accuracy.This work provides new underwater technologies applied for ocean exploration. 展开更多
关键词 DEEP LEARNING transfer LEARNING encoding-decoding UNDERWATER OBJECT OBJECT recognition
在线阅读 下载PDF
基于深度学习和迁移学习的水果图像分类 预览
16
作者 廉小亲 成开元 +2 位作者 安飒 吴叶兰 关文洋 《测控技术》 2019年第6期15-18,共4页
图像识别作为深度学习领域内的一项重要应用,水果图像的分类识别在智慧农业以及采摘机器人等方面具有重要应用。针对以往传统图像分类算法存在泛化能力差、准确率不高等问题,提出一种在TensorFlow框架下基于深度学习和迁移学习的水果图... 图像识别作为深度学习领域内的一项重要应用,水果图像的分类识别在智慧农业以及采摘机器人等方面具有重要应用。针对以往传统图像分类算法存在泛化能力差、准确率不高等问题,提出一种在TensorFlow框架下基于深度学习和迁移学习的水果图像分类算法。该算法采用Inception-V3的部分模型结构对水果图像数据进行特征提取,采用Softmax分类器对图像特征进行分类,并通过迁移学习方式进行训练得到迁移训练模型。测试结果表明,该算法与传统水果分类算法对比,具有较高识别准确率。 展开更多
关键词 图像识别 深度学习 Softmax 迁移学习
在线阅读 免费下载
基于残差网络的智能轻微交通事故处理系统设计 预览
17
作者 吴菲 雷鸣 《软件》 2019年第7期185-191,共7页
伴随经济的飞速发展,人们生活水平的提高,私家车数量与日俱增,轻微交通事故频繁发生。文中针对无人员伤亡的轻微交通事故,通过对图像采用空间域锐化滤波处理;使用残差网络构建事故损伤鉴定模型;借助迁移学习提取多车事故多角度图像的特... 伴随经济的飞速发展,人们生活水平的提高,私家车数量与日俱增,轻微交通事故频繁发生。文中针对无人员伤亡的轻微交通事故,通过对图像采用空间域锐化滤波处理;使用残差网络构建事故损伤鉴定模型;借助迁移学习提取多车事故多角度图像的特征并融合,构建事故责任鉴定模型;构建一个能够自动处理并有效提高轻微交通事故处理效率的系统。该系统旨在缓解交通事故发生造成的交通堵塞现象,更好的为广大车主提供快捷的服务。 展开更多
关键词 深度学习 卷积神经网络 残差网络 迁移学习 图像增强
在线阅读 下载PDF
Transfer synthetic over-sampling for class-imbalance learning with limited minority class data
18
作者 Xu-Ying LIU Sheng-Tao WANG Min-Ling ZHANG 《中国计算机科学前沿:英文版》 SCIE EI CSCD 2019年第5期996-1009,共14页
The problem of limited minority class data is encountered in manyclass imbalanced applications, but has received little attention. Synthetic over-sampling, as popular class-imbalance learning methods, could introduce ... The problem of limited minority class data is encountered in manyclass imbalanced applications, but has received little attention. Synthetic over-sampling, as popular class-imbalance learning methods, could introduce much noise when minority class has limited data since the synthetic samples are not i.i.d. samples of minority class. Mos t sophisticated synthetic sampling methods tackle this problem by denoising or generating samples more consistent with ground-truth data distribution. But their assumptions about true noise or ground-truth data distribution may not hold. To adapt synthetic sampling to the problem of limited minority class data, the proposed Traso framework treats synthetic minority class samples as an additional data source, and exploits transfer learning to transfer knowledge from them to minority class. As an implementation, TrasoBoost method firstly generates synthetic samples to balance class sizes. Then in each boosting iteration, the weights of synthetic samples and original data decrease and increase respectively when being misclassified, and remain unchanged otherwise. The misclassified synthetic samples are potential noise, and thus have smaller influence in the following iterations. Besides, the weights of minority class instances have greater change than those of majority class instances to be more influential. And only original data are used to estimate error rate to be immune from noise. Finally, since the synthetic samples are highly related to minority class, all of the weak learners are aggregated for prediction. Experimental results show TrasoBoost outperforms many popular class-imbalance learning methods. 展开更多
关键词 machine LEARNING DATA mining class IMBALANCE over sampling BOOSTING TRANSFER LEARNING
基于深度学习的儿童肺炎病原学类型判别模型 预览
19
作者 潘丽艳 梁会营 《中国数字医学》 2019年第3期59-61,110共4页
目的:构建儿童肺炎病原学类型自动判别模型,从临床上规范儿童肺炎治疗用药。方法:利用深度学习模型,结合迁移学习技术,对肺炎胸片首先进行肺区域分割,其次以痰培养结果作为金标准,对肺区域进行病原学类型为病毒或细菌的判别。结果:基于... 目的:构建儿童肺炎病原学类型自动判别模型,从临床上规范儿童肺炎治疗用药。方法:利用深度学习模型,结合迁移学习技术,对肺炎胸片首先进行肺区域分割,其次以痰培养结果作为金标准,对肺区域进行病原学类型为病毒或细菌的判别。结果:基于深度卷积神经网络的肺炎病原学类型二分类判别模型的准确率达80.48%,特异度82.07%,灵敏度77.55%,AUC达0.82。结论:基于深度学习技术和胸片数据的肺炎病原学类型判别模型,能够对肺炎治疗用药提供辅助决策支持,降低试药风险,使患者及早得到治疗。 展开更多
关键词 儿童肺炎 病原学类型 医学图像 深度学习 迁移学习
在线阅读 下载PDF
基于深度学习的乳液泵缺陷检测算法 预览
20
作者 马浩鹏 朱春媚 +1 位作者 周文辉 殷春 《液晶与显示》 CAS CSCD 北大核心 2019年第1期81-89,共9页
为了实现对工业产品乳液泵的缺陷检测,本文采集泵顶、泵上端、泵下端、尾管4个角度的样本图像,并基于深度学习中迁移学习和卷积神经网络的原理分别构建各角度的分类模型以检测缺陷样本。首先,使用Mini-ImageNet数据集预训练网络模型。然... 为了实现对工业产品乳液泵的缺陷检测,本文采集泵顶、泵上端、泵下端、尾管4个角度的样本图像,并基于深度学习中迁移学习和卷积神经网络的原理分别构建各角度的分类模型以检测缺陷样本。首先,使用Mini-ImageNet数据集预训练网络模型。然后,调整模型结构并加载预训练网络的参数,并将乳液泵各角度的训练集和验证集经过图像预处理算法后输入至卷积神经网络中训练,根据训练过程中验证集准确率的变化调整网络超参数,得到最终网络模型。最后,将预处理后的乳液泵测试样本输入至训练好的模型中,检测最终模型的缺陷识别效果。最终4个角度检测准确率均在93%以上,单样本检测用时为2.52s,优于传统方法。本文算法可用于设计乳液泵缺陷检测系统,该系统能与工业结构相结合筛选出有缺陷的泵体,也可拓展到工业其他物件的缺陷检测。 展开更多
关键词 深度学习 迁移学习 卷积神经网络 乳液泵 缺陷检测
在线阅读 下载PDF
上一页 1 2 25 下一页 到第
使用帮助 返回顶部 意见反馈