期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到461篇文章
< 1 2 … 24 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度卷积神经网络的目标检测研究综述 被引量：101
1
作者 范丽丽 赵宏伟 +2 位作者 赵浩宇 胡黄水 王振 《光学精密工程》 EI CAS CSCD 北大核心 2020年第5期1152-1164,共13页
作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Netwo... 作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。 展开更多
关键词 图像处理 深度卷积神经网络 目标检测 特征表示 深度学习
下载PDF
基于深度卷积神经网络的番茄主要器官分类识别方法 被引量：91
2
作者 周云成 许童羽 +1 位作者 郑伟 邓寒冰 《农业工程学报》 EI CAS CSCD 北大核心 2017年第15期219-226,共8页
为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试... 为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试结果表明各网络的分类错误率均低于6.392%。综合考虑分类性能和速度,优选出一种8层网络用于番茄主要器官特征提取与表达。用筛选出的8层网络作为基本结构,设计了一种番茄主要器官检测器,结合Selective Search算法生成番茄器官候选检测区域。通过对番茄植株图像进行检测识别,试验结果表明,该检测器对果、花、茎的检测平均精度分别为81.64%、84.48%和53.94%,能够同时对不同成熟度的果和不同花龄的花进行有效识别,且在检测速度和精度上优于R-CNN和Fast R-CNN。 展开更多
关键词 目标识别 图像处理 像素 番茄器官 深度卷积神经网络 数据增广 深度学习
下载PDF
利用多尺度特征与深度网络对遥感影像进行场景分类 被引量：62
3
作者 许夙晖 慕晓冬 +1 位作者 赵鹏 马骥 《测绘学报》 EI CSCD 北大核心 2016年第7期834-840,共7页
针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采... 针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。 展开更多
关键词 遥感图像 场景分类 深度卷积神经网络 非下采样轮廓波变换 多核支持向量机
下载PDF
基于GoogLeNet深度迁移学习的苹果缺陷检测方法 被引量：54
4
作者 薛勇 王立扬 +1 位作者 张瑜 沈群 《农业机械学报》 EI CAS CSCD 北大核心 2020年第7期30-35,共6页
针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测... 针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性。 展开更多
关键词 苹果 缺陷检测 GoogLeNet 深层卷积神经网络
下载PDF
基于空间金字塔池化和深度卷积神经网络的作物害虫识别 被引量：48
5
作者 张博 张苗辉 陈运忠 《农业工程学报》 EI CAS CSCD 北大核心 2019年第19期209-215,共7页
为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害... 为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别。通过改进YOLOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%。试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别。 展开更多
关键词 图像识别 算法 害虫分类 深度卷积神经网络 空间金字塔池化 反卷积
下载PDF
基于变分模态分解与深度卷积神经网络的滚动轴承故障诊断 被引量：48
6
作者 丁承君 冯玉伯 王曼娜 《振动与冲击》 EI CSCD 北大核心 2021年第2期287-296,共10页
针对滚动轴承振动信号非平稳、非线性特点以及特征提取困难问题,提出一种基于变分模态分解(VMD)与深度卷积神经网络相结合的特征提取方法并应用于滚动轴承故障诊断。利用VMD将原始振动信号分解得到若干不同频率的限带本征模态分量,通过... 针对滚动轴承振动信号非平稳、非线性特点以及特征提取困难问题,提出一种基于变分模态分解(VMD)与深度卷积神经网络相结合的特征提取方法并应用于滚动轴承故障诊断。利用VMD将原始振动信号分解得到若干不同频率的限带本征模态分量,通过卷积网络中的多组卷积核自动学习各模态数据的不同特征,保证了特征提取的自适应性、全面性和多样性。在特征提取的基础上,使用全连接神经网络进行故障分类与诊断。将所提方法应用于滚动轴承故障诊断,结果表明,该方法在变工况情况下能够实现滚动轴承故障类别以及损伤程度的精确判定。 展开更多
关键词 变分模态分解(VMD) 深度卷积神经网络 特征提取 智能故障诊断 滚动轴承
下载PDF
基于深度学习的输电线路视觉检测研究综述 被引量：47
7
作者 赵振兵 齐鸿雨 聂礼强 《广东电力》 2019年第9期11-23,共13页
保障输电线路的可靠性是能源互联网和智能电网建设的重要内容,基于深度学习的智能化输电线路视觉巡检技术具有安全、高效、便捷等特点,对保障输电网的稳定运行有重要意义。为此,首先总结国内外深度学习视觉检测方法以及输电线路视觉检... 保障输电线路的可靠性是能源互联网和智能电网建设的重要内容,基于深度学习的智能化输电线路视觉巡检技术具有安全、高效、便捷等特点,对保障输电网的稳定运行有重要意义。为此,首先总结国内外深度学习视觉检测方法以及输电线路视觉检测方法研究现状;其次,描述无人机巡检、在线监测、激光雷达巡检、高分辨率光学卫星巡检等4种输电线路巡检方式,分析不同方式的差异与优劣,同时讨论了深度学习在4种方式中应用的关键问题;最后,探讨了深度学习在输电线路视觉检测中应用的未来发展方向。 展开更多
关键词 输电线路 视觉检测 深度学习 深度卷积神经网络 智能巡检
下载PDF
基于DCNN的图像语义分割综述 被引量：44
8
作者 魏云超 赵耀 《北京交通大学学报》 CAS CSCD 北大核心 2016年第4期82-91,共10页
图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解.近年来,深度卷积神经网络(Deep Convolutional Neural Network... 图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解.近年来,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的出现,极大地推动了语义分割的发展.本文从语义分割的基本定义出发,对语义分割中存在的困难和挑战进行了分析和描述.总结了目前用于评测语义分割算法的典型数据库,并以PASCAL VOC数据库为主线对近年来基于DCNN的语义分割算法进行了梳理和总结.最后对语义分割未来的研究重点进行了探讨和预测. 展开更多
关键词 图像语义分割 深度学习 深度卷积神经网络
下载PDF
基于迁移学习的无人机影像耕地信息提取方法 被引量：38
9
作者 鲁恒 付萧 +3 位作者 贺一楠 李龙国 庄文化 刘铁刚 《农业机械学报》 EI CAS CSCD 北大核心 2015年第12期274-279,284,共7页
随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出... 随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。 展开更多
关键词 耕地信息 无人机影像 信息提取 迁移学习 深度卷积神经网络
下载PDF
复杂数据源下基于深度卷积网络的局部放电模式识别 被引量：37
10
作者 宋辉 代杰杰 +3 位作者 张卫东 毕凯 盛戈皞 江秀臣 《高电压技术》 EI CAS CSCD 北大核心 2018年第11期3625-3633,共9页
随着局部放电检测技术和大数据技术的推广,变电站现场气体绝缘组合电器（GIS）的局部放电检测数据不仅数量庞大,而且数据来源复杂,因此传统的局部放电模式识别方法已难以满足需求。鉴于此,提出了一种基于深度卷积网络的局部放电大数据... 随着局部放电检测技术和大数据技术的推广,变电站现场气体绝缘组合电器（GIS）的局部放电检测数据不仅数量庞大,而且数据来源复杂,因此传统的局部放电模式识别方法已难以满足需求。鉴于此,提出了一种基于深度卷积网络的局部放电大数据模式识别方法,构建了应用于局部放电模式识别的深层卷积网络模型,同时应用深度自编码器对模型参数进行初始化,利用多层卷积神经网络提取局部放电大数据的深层特征以提高复杂数据源下的识别正确率。通过真型GIS模型实验、变电站现场带电检测和典型干扰实验获取了大量局部放电检测数据,组成复杂数据源的测试样本,并对所提方法进行了实验分析。实验结果表明：与传统的模式识别方法相比,新所提的方法在处理复杂数据源样本任务中识别正确率更高,且识别正确率提高值随样本数据的增加而增大,更适合于大数据平台的工程应用需求。 展开更多
关键词 GIS 大数据 模式识别 深度卷积网络 局部放电
下载PDF
阿法狗围棋系统的简要分析 被引量：35
11
作者 田渊栋 《自动化学报》 EI CSCD 北大核心 2016年第5期671-675,共5页
谷歌的围棋系统阿法狗(AlphaGo)在三月的比赛中以4:1的成绩击败了围棋世界冠军李世石,大大超过了许多人对计算机围棋程序何时能赶上人类职业高手的预期(约10～30年).本文在技术层面分析了阿法狗系统的组成部分,并基于它过去的公开对局... 谷歌的围棋系统阿法狗(AlphaGo)在三月的比赛中以4:1的成绩击败了围棋世界冠军李世石,大大超过了许多人对计算机围棋程序何时能赶上人类职业高手的预期(约10～30年).本文在技术层面分析了阿法狗系统的组成部分,并基于它过去的公开对局预测了它可能的弱点. 展开更多
关键词 深度学习 深度卷积神经网络 计算机围棋 强化学习 阿法狗
下载PDF
基于深度网络的图像语义分割综述 被引量：32
12
作者 罗会兰 张云 《电子学报》 EI CAS CSCD 北大核心 2019年第10期2211-2220,共10页
图像语义分割不仅预测一幅图像中的不同类别,同时还定位不同语义类别的位置,具有重要的研究意义和应用价值.本文阐述了图像语义分割最新的研究成果和方法,从三个角度综述了基于深度卷积神经网络的图像语义分割模型,分别是基于候选区域... 图像语义分割不仅预测一幅图像中的不同类别,同时还定位不同语义类别的位置,具有重要的研究意义和应用价值.本文阐述了图像语义分割最新的研究成果和方法,从三个角度综述了基于深度卷积神经网络的图像语义分割模型,分别是基于候选区域模型、基于全卷积网络模型和基于弱监督学习的语义分割模型,对这三类模型的方法和结构进行了详细的研究和分析.并在PASCAL VOC 2012数据集上对一些代表性的语义分割算法的性能进行了比较分析. 展开更多
关键词 图像语义分割 深度卷积神经网络 候选区域 全卷积网络 弱监督学习 PASCAL VOC 2012数据集
下载PDF
基于深度卷积神经网络的船舶识别方法研究 被引量：31
13
作者 赵亮 王晓峰 袁逸涛 《舰船科学技术》 北大核心 2016年第8期119-123,共5页
为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶... 为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。 展开更多
关键词 深度卷积神经网络 船舶识别 边缘梯度方向直方图 支持向量机
下载PDF
基于Faster RCNN检测器的输电线路无人机自主巡检系统 被引量：28
14
作者 吴锡 王梓屹 +3 位作者 宋柯 王宏鑫 薛志成 李志轩 《电力信息与通信技术》 2020年第9期8-15,共8页
随着电网规模的不断扩大以及科技水平的不断提高,无人机自主巡检技术以其便捷高效的特点,成为输电线路巡视检测未来的趋势。然而,目前无人机自主巡检技术对于输电线路参数的完整度与精确度要求较高,阻碍了该项技术的发展。因此,文章提... 随着电网规模的不断扩大以及科技水平的不断提高,无人机自主巡检技术以其便捷高效的特点,成为输电线路巡视检测未来的趋势。然而,目前无人机自主巡检技术对于输电线路参数的完整度与精确度要求较高,阻碍了该项技术的发展。因此,文章提出一种基于Faster RCNN检测器的输电线路无人机自主巡检系统,通过Faster RCNN检测器在巡检过程中自动识别输电线路杆塔关键结构,并采集图像信息完成自主巡检任务。经实验验证,该系统一方面提高了巡检采集图像的准确率;另一方面扩大了无人机自主巡检的适用范围,提高了输电线路巡检效率,提升了输电线路巡检质量,为新型智能化输电线路巡检工作提供了新方向。 展开更多
关键词 Faster RCNN检测器 深度卷积神经网络 无人机自主巡检 图像识别 深度学习
下载PDF
基于深度学习的目标检测算法研究与应用综述 被引量：24
15
作者 张阳婷 黄德启 +1 位作者 王东伟 贺佳佳 《计算机工程与应用》 CSCD 北大核心 2023年第18期1-13,共13页
随着深度学习的不断发展,深度卷积神经网络在目标检测领域中的应用愈加广泛,现已被应用于农业、交通和医学等众多领域。与基于特征的传统手工方法相比,基于深度学习的目标检测方法可以学习低级和高级图像特征,有更好的检测精度和泛化能... 随着深度学习的不断发展,深度卷积神经网络在目标检测领域中的应用愈加广泛,现已被应用于农业、交通和医学等众多领域。与基于特征的传统手工方法相比,基于深度学习的目标检测方法可以学习低级和高级图像特征,有更好的检测精度和泛化能力。为了概括和总结目标检测领域的最新进展和技术,通过分析近年来基于深度学习的目标检测技术,对基于深度学习的目标检测算法与应用现状进行综述。归纳了两阶段与单阶段两种目标检测网络架构的发展及优缺点;从骨干网络、数据集和评价指标等方面进行叙述,对比了经典算法的检测精度,总结经典目标检测算法的改进策略;讨论了现阶段目标检测应用,并提出了目标检测领域今后的研究重点。 展开更多
关键词 目标检测 深度学习 计算机视觉 深度卷积神经网络
下载PDF
基于深度卷积神经网络融合模型的路面裂缝识别方法 被引量：28
16
作者 孙朝云 马志丹 +2 位作者 李伟 郝雪丽 申浩 《长安大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第4期1-13,共13页
现有的路面裂缝识别方法大多仍局限于基于主动特征提取的处理技术,对路面图像来源有专一性要求,算法不具备泛化能力,现有的基于神经网络识别算法对设备有特定要求,且路面裂缝的定位准确性不高。为此,提出基于深度卷积神经网络融合模型... 现有的路面裂缝识别方法大多仍局限于基于主动特征提取的处理技术,对路面图像来源有专一性要求,算法不具备泛化能力,现有的基于神经网络识别算法对设备有特定要求,且路面裂缝的定位准确性不高。为此,提出基于深度卷积神经网络融合模型的路面裂缝识别方法。首先,应用多目标SSD卷积神经网络模型对路面裂缝进行分类检测,然后使用深度残差网络对SSD模型的特征提取结构进行改进,并根据损失函数的收敛程度对模型中的超参数进行优化,提高路面裂缝分类和定位的准确率;其次,针对裂缝分类检测模型对路面裂缝定位存在的偏差,提出基于U-Net模型的路面裂缝分割方法,并改进模型的特征提取网络,提高裂缝分割精度,实现精确的裂缝分割;最后,将裂缝分类检测模型与分割模型进行融合,加载2个模型并导入上述训练得到最优权重,根据裂缝分类网络判断路面图像有无裂缝,若存在裂缝则给出具体类别和置信度,并将这些信息和原始裂缝图像输入U-Net分割网络,根据分割结果计算线性裂缝的长度、宽度及网状裂缝的面积。试验结果表明:给出的路面裂缝识别方法对于横向裂缝、纵向裂缝和网状裂缝的识别精度分别为86.6%、87.2%和85.3%;该方法不仅能够给出路面裂缝的类别信息,还可以给出路面裂缝的精确定位和几何参数信息,可直接用于路面状况评价。 展开更多
关键词 道路工程 路面裂缝识别 深度卷积神经网络 多目标检测模型 裂缝分割 模型融合
原文传递
基于深层卷积神经网络和双谱特征的雷达信号识别方法 被引量：25
17
作者 刘赢 田润澜 王晓峰 《系统工程与电子技术》 EI CSCD 北大核心 2019年第9期1998-2005,共8页
针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特... 针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。 展开更多
关键词 雷达信号识别 深层卷积神经网络 特征提取 双谱
下载PDF
融合全局和局部深度特征的高分辨率遥感影像场景分类方法 被引量：23
18
作者 龚希 吴亮 +3 位作者 谢忠 陈占龙 刘袁缘 俞侃 《光学学报》 EI CAS CSCD 北大核心 2019年第3期19-29,共11页
提出了一种融合全局和局部深度特征(GLDFB)的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合,利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景... 提出了一种融合全局和局部深度特征(GLDFB)的视觉词袋模型。通过视觉词袋模型将深度卷积神经网络提取的多个层次的高层特征进行重组编码并融合,利用支持向量机对融合特征进行分类。充分利用包含场景局部细节信息的卷积层特征和包含场景全局信息的全连接层特征,完成对遥感影像场景的高效表达。通过对两个不同规模的遥感图像场景数据集的实验研究表明,相比现有方法,所提方法在高层特征表达能力和分类精度方面具有显著优势。 展开更多
关键词 遥感 深度卷积神经网络 深度特征 视觉词袋模型 特征融合 高分辨率遥感影像场景分类
原文传递
一种基于深度卷积神经网络的油菜虫害检测方法 被引量：21
19
作者 李衡霞 龙陈锋 +1 位作者 曾蒙 申佳 《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第5期560-564,共5页
针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,... 针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,最后对比分析结果。油菜虫害检测模型利用VGG16网络提取油菜虫害图像的特征,区域候选网络生成油菜害虫的初步位置候选框,Fast R–CNN实现候选框的分类和定位。结果表明,该方法可实现对蚜虫、菜青虫(幼虫)、菜蝽、跳甲、猿叶甲5种油菜害虫的快速准确检测,平均准确率达94.12%,与RCNN、Fast R–CNN、多特征融合方法、颜色特征提取方法相比,准确率分别提高了28%、23%、12%、2%。 展开更多
关键词 油菜害虫 检测 深度卷积神经网络 VGG16网络
下载PDF
深度卷积神经网络图像识别模型对抗鲁棒性技术综述 被引量：21
20
作者 孙浩 陈进 +2 位作者 雷琳 计科峰 匡纲要 《雷达学报（中英文）》 CSCD 北大核心 2021年第4期571-594,共24页
近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性... 近年来,以卷积神经网络为代表的深度识别模型取得重要突破,不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征,依赖大规模高质量训练数据,只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗,给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险,并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因;其次给出了对抗鲁棒性的基本定义,分别建立对抗学习攻击与防御敌手模型,系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展,并结合SAR图像目标识别对抗攻击实例分析了典型方法特性;最后结合团队研究工作,指出存在的开放性问题,为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。 展开更多
关键词 深度卷积神经网络 SAR图像识别 信息安全 对抗攻击与防御 鲁棒性评估
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 24 下一页 到第 页
使用帮助 返回顶部