-
题名基于混合神经网络的脑电时空特征情感分类
被引量：10
- 1
-
-
作者
陈景霞
郝为
张鹏伟
闵重丹
李玥辰
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《软件学报》
EI
CSCD
北大核心
2021年第12期3869-3883,共15页
-
基金
国家自然科学基金(61806118)
陕西科技大学科研启动基金(2020BJ-30)。
-
文摘
提出一种脑电图(electroencephalograph,简称EEG)数据表示方法,将一维链式EEG向量序列转换成二维网状矩阵序列,使矩阵结构与EEG电极位置的脑区分布相对应,以此来更好地表示物理上多个相邻电极EEG信号之间的空间相关性.再应用滑动窗将二维矩阵序列分成一个个等长的时间片段,作为新的融合了EEG时空相关性的数据表示.还提出了级联卷积-循环神经网络(CASC_CNN_LSTM)与级联卷积-卷积神经网络(CASC_CNN_CNN)这两种混合深度学习模型,二者都通过CNN卷积神经网络从转换的二维网状EEG数据表示中捕获物理上相邻脑电信号之间的空间相关性,而前者通过LSTM循环神经网络学习EEG数据流在时序上的依赖关系,后者则通过CNN卷积神经网络挖掘局部时间与空间更深层的相关判别性特征,从而精确识别脑电信号中包含的情感类别.在大规模脑电数据集DEAP上进行被试内效价维度上两类情感分类实验,结果显示,所提出的CASC_CNN_LSTM和CASC_CNN_CNN网络在二维网状EEG时空特征上的平均分类准确率分别达到93.15%和92.37%,均高于基准模型和现有最新方法的性能,表明该模型有效提高了EEG情感识别的准确率和鲁棒性,可以有效地应用到基于EEG的情感分类与识别相关应用中.
-
关键词
脑电图
情感识别
二维网状
时空特征
卷积循环神经网络
混合模型
-
Keywords
EEG
emotion recognition
2Dmesh-like
spatiotemporal feature
convolutional recurrent neural networks
hybrid model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进DeepLabv3的自然图像语义分割算法
- 2
-
-
作者
赵晓
王若男
杨晨
李玥辰
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《陕西科技大学学报》
北大核心
2024年第2期182-188,共7页
-
基金
国家自然科学基金项目(61971272,61601271)
陕西科技大学博士科研启动基金项目(2019BJ-27)。
-
文摘
针对DeepLabv3模型对自然图像语义分割时存在的图像局部细节信息丢失导致的误分割和物体边缘分割不完整的问题,提出了一种改进DeepLabv3模型的自然图像语义分割网络,能够以更高的准确率实现自然图像的语义分割.首先,使用ResNet101作为骨干网络进行特征提取,把ResNet101网络最后两层提取到的特征图输入到设计的ACMix多重融合模块(ACMix Multiple Fusion Module,AMFM)中,有效获取不同尺度的空间特征信息,将融合之后的结果作为空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)的输入.其次,添加辅助分支模块(Auxiliary Branch Module,ABM),将ResNet101网络第三层提取到的特征图输入到ABM中,有效提取更丰富的边缘特征信息.最后,将主分支和辅助分支的结果融合作为输出,融合后的输出不仅追踪到了不同尺度的空间特征信息,而且提取到了完整的边缘特征信息,从而使模型更有效地提高分割精度.PASCAL VOC 2012数据集的结果表明,改进后的模型相比于原模型分割精度提升了3.21%,与其它网络模型相比,也具有较好的分割精度.
-
关键词
语义分割
DeepLabv3
多尺度特征融合
-
Keywords
semantic segmentation
DeepLabv3
multi-scale feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进卷积神经网络的中药饮片图像识别
- 3
-
-
作者
李玥辰
赵晓
王若男
杨晨
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《科学技术与工程》
北大核心
2024年第9期3596-3604,共9页
-
基金
国家自然科学基金(61971272,61601271)
陕西科技大学博士启动经费(2019BJ-27)。
-
文摘
为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强预处理。其次对AlexNet网络模型进行优化改进,通过缩减原网络的卷积核个数和卷积核大小、使用全局平均池化(global average pooling,GAP)替代全连接层以减少网络参数;去除局部响应归一化(local response normalization,LRN)层、引入批量归一化(batch normalization,BN)层和使用Lion优化算法替代随机梯度下降(stochastic gradient descent,SGD)优化算法以提高网络训练速度;使用Mish激活函数替代ReLU激活函数和引入通道注意力机制SENet网络以提高模型的识别精度。实验结果表明,改进后的网络模型相比于AlexNet网络模型,平均识别率提高了6.1%,平均损失率下降了14.4%,网络参数由原来的60 M缩减至1 M,该结果表明在中药饮片数据集上,改进后的网络模型具有更高的识别率和更好的鲁棒性,可为中药饮片图像识别领域的进一步发展提供有力支持。
-
关键词
AlexNet网络
中药饮片
全局平均池化
Lion优化算法
Mish激活函数
SENet网络
-
Keywords
AlexNet network
Chinese herbal slices
global average pooling
Lion optimizer algorithm
Mish activation function
SENet network
-
分类号
R28
[医药卫生—中药学]
TP391.41
[医药卫生—中医学]
TP18
[自动化与计算机技术—计算机应用技术]
-
-
题名基于注意力机制ResNet轻量网络的面部表情识别
- 4
-
-
作者
赵晓
杨晨
王若男
李玥辰
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2023年第11期1503-1510,共8页
-
基金
国家自然科学基金(No.61971272,No.61601271)
陕西科技大学博士启动经费(No.2019BJ-27)。
-
文摘
针对ResNet18网络模型在面部表情识别时存在网络模型大、准确率低等问题,提出了一种基于注意力机制ResNet轻量网络模型(Multi-Scale CBAM Lightweight ResNet,MCLResNet),能够以较少的参数量、较高的准确率实现面部表情的识别。首先,采用ResNet18作为主干网络提取特征,引入分组卷积减少ResNet18的参数量;利用倒残差结构增加网络深度,优化了图像特征提取效果。其次,将CBAM(Convolutional Block Attention Module)通道注意力模块中的共享全连接层替换为1×3的卷积模块,有效减少了通道信息的丢失;在CBAM空间注意力模块中添加多尺度卷积模块获得了不同尺度的空间特征信息。最后,将多尺度空间特征融合的CBAM模块(Multi-Scale CBAM,MSCBAM)添加到轻量的ResNet模型中,有效增加了网络模型的特征表达能力,另外在引入MSCBAM的网络模型输出层增加一层全连接层,以此增加模型在输出时的非线性表示。该模型在FER2013和CK+数据集上的实验结果表明,本文提出的模型参数量相比ResNet18下降82.58%,并且有较好的识别准确率。
-
关键词
ResNet轻量网络
多尺度空间特征融合
面部表情识别
注意力机制
-
Keywords
lightweight resnet network
multi-scale spatial feature fusion
facial expression recognition
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名五星红旗的魅力
- 5
-
-
作者
李玥辰
-
机构
上海市舞蹈学校
-
出处
《新读写》
2013年第5期26-26,共1页
-
文摘
本文写的是小作者第一次到天安门广场参观升旗仪式的事情，既从侧面描写了人们对升旗仪式的重视与尊敬，又从正面突出了老爷爷对祖国的热爱，细节描写十分到位。
-
关键词
五星红旗
升旗仪式
天安门广场
侧面描写
细节描写
祖国
-
分类号
G41
[文化科学—教育学]
-
