期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进卷积神经网络的多视角人脸表情识别
被引量:
21
1
作者
钱勇生
邵洁
+3 位作者
季欣欣
李晓瑞
莫晨
程其玉
《计算机工程与应用》
CSCD
北大核心
2018年第24期12-19,共8页
人脸表情识别是计算机视觉领域的研究热点之一。针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题,提出了一种基于MVFE-LightNet(Multi-View Facial Expression Lightweight Network)的多视角人脸表情识别方法。首先,在残差网...
人脸表情识别是计算机视觉领域的研究热点之一。针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题,提出了一种基于MVFE-LightNet(Multi-View Facial Expression Lightweight Network)的多视角人脸表情识别方法。首先,在残差网络的基础上设计卷积网络提取不同视角下的表情特征,引入深度可分离卷积来减少网络参数。其次,嵌入压缩和奖惩网络模块学习特征权重,利用特征重新标定方式提高网络表示能力,并通过加入空间金字塔池化增强网络的鲁棒性。最后,为了进一步优化识别结果,采用AdamW(Adam with Weight decay)优化方法使网络模型加速收敛。在RaFD、BU-3DFE和Fer2013表情库上的实验表明,该方法具有较高的识别率,且减少网络计算时间。
展开更多
关键词
多视角人脸表情识别
MVFE—LightNet
残差
网络
深度可分离卷积
压缩
和
奖惩
网络
模块
空间金字塔池化
下载PDF
职称材料
基于LSTM-Attention网络的短期风电功率预测
被引量:
14
2
作者
钱勇生
邵洁
+3 位作者
季欣欣
李晓瑞
莫晨
程其玉
《电机与控制应用》
2019年第9期95-100,共6页
提出一种基于LSTM-Attention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网...
提出一种基于LSTM-Attention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTM-Attention模型具有更高的预测精度,证明了该方法的有效性。
展开更多
关键词
风电功率预测
LSTM
卷积神经
网络
压缩
和
奖惩
网络
模块
注意力机制
下载PDF
职称材料
基于注意力机制和混合网络的小群体情绪识别
被引量:
5
3
作者
季欣欣
邵洁
钱勇生
《计算机工程与设计》
北大核心
2020年第6期1683-1688,共6页
针对自然状态下小群体图像的情绪分类,提出基于面部、场景和骨架3种视觉线索的混合深度网络,分别利用3类卷积神经网络(convolutional neural networks,CNN)分支独立学习,通过决策融合获得最终的情绪分类。其中面部CNN通过注意力机制学...
针对自然状态下小群体图像的情绪分类,提出基于面部、场景和骨架3种视觉线索的混合深度网络,分别利用3类卷积神经网络(convolutional neural networks,CNN)分支独立学习,通过决策融合获得最终的情绪分类。其中面部CNN通过注意力机制学习不同人脸的权重,获得整张图片关于人脸的特征表示,利用large-margin softmax(L-softmax)损失函数进行判别性学习;使用先进的姿势估计方法OpenPose获得图像中所有人体骨架,作为基于骨架卷积神经网络的输入。考虑图片的场景信息,将整张图片作为基于场景CNN的输入。实验结果表明,改进模型对自然状态下3种类型的小群体情绪识别鲁棒,取得了较高的准确率。
展开更多
关键词
小群体情绪识别
场景理解
混合
网络
注意力机制
大边缘损失函数
压缩
和
奖惩
网络
模块
下载PDF
职称材料
题名
基于改进卷积神经网络的多视角人脸表情识别
被引量:
21
1
作者
钱勇生
邵洁
季欣欣
李晓瑞
莫晨
程其玉
机构
上海电力学院电子与信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2018年第24期12-19,共8页
基金
国家自然科学基金青年科学基金项目(No.61302151
No.61401268)
上海市自然科学基金(No.15ZR1418400)
文摘
人脸表情识别是计算机视觉领域的研究热点之一。针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题,提出了一种基于MVFE-LightNet(Multi-View Facial Expression Lightweight Network)的多视角人脸表情识别方法。首先,在残差网络的基础上设计卷积网络提取不同视角下的表情特征,引入深度可分离卷积来减少网络参数。其次,嵌入压缩和奖惩网络模块学习特征权重,利用特征重新标定方式提高网络表示能力,并通过加入空间金字塔池化增强网络的鲁棒性。最后,为了进一步优化识别结果,采用AdamW(Adam with Weight decay)优化方法使网络模型加速收敛。在RaFD、BU-3DFE和Fer2013表情库上的实验表明,该方法具有较高的识别率,且减少网络计算时间。
关键词
多视角人脸表情识别
MVFE—LightNet
残差
网络
深度可分离卷积
压缩
和
奖惩
网络
模块
空间金字塔池化
Keywords
multi-view facial expression recognition
Multi-View Facial Expression Lightweight Network (MVFE-LightNet)residual network
depthwise separable convolution
Sequeeze-and-Excitation block
spatial pyramid pooling
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于LSTM-Attention网络的短期风电功率预测
被引量:
14
2
作者
钱勇生
邵洁
季欣欣
李晓瑞
莫晨
程其玉
机构
上海电器科学研究所(集团)有限公司
上海电力大学电子与信息工程学院
出处
《电机与控制应用》
2019年第9期95-100,共6页
文摘
提出一种基于LSTM-Attention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTM-Attention模型具有更高的预测精度,证明了该方法的有效性。
关键词
风电功率预测
LSTM
卷积神经
网络
压缩
和
奖惩
网络
模块
注意力机制
Keywords
wind power forecasting
long short-term memory
convolutional neural network
squeeze-excitation blocks
attention mechanism
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于注意力机制和混合网络的小群体情绪识别
被引量:
5
3
作者
季欣欣
邵洁
钱勇生
机构
上海电力大学电子与信息工程学院
出处
《计算机工程与设计》
北大核心
2020年第6期1683-1688,共6页
基金
国家自然科学基金青年科学基金项目(61302151、61401268)
上海市自然科学基金项目(15ZR1418400)。
文摘
针对自然状态下小群体图像的情绪分类,提出基于面部、场景和骨架3种视觉线索的混合深度网络,分别利用3类卷积神经网络(convolutional neural networks,CNN)分支独立学习,通过决策融合获得最终的情绪分类。其中面部CNN通过注意力机制学习不同人脸的权重,获得整张图片关于人脸的特征表示,利用large-margin softmax(L-softmax)损失函数进行判别性学习;使用先进的姿势估计方法OpenPose获得图像中所有人体骨架,作为基于骨架卷积神经网络的输入。考虑图片的场景信息,将整张图片作为基于场景CNN的输入。实验结果表明,改进模型对自然状态下3种类型的小群体情绪识别鲁棒,取得了较高的准确率。
关键词
小群体情绪识别
场景理解
混合
网络
注意力机制
大边缘损失函数
压缩
和
奖惩
网络
模块
Keywords
group emotion recognition
scene understanding
hybrid network
attention mechanism
large-margin softmax
sequeeze-and-excitation block
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进卷积神经网络的多视角人脸表情识别
钱勇生
邵洁
季欣欣
李晓瑞
莫晨
程其玉
《计算机工程与应用》
CSCD
北大核心
2018
21
下载PDF
职称材料
2
基于LSTM-Attention网络的短期风电功率预测
钱勇生
邵洁
季欣欣
李晓瑞
莫晨
程其玉
《电机与控制应用》
2019
14
下载PDF
职称材料
3
基于注意力机制和混合网络的小群体情绪识别
季欣欣
邵洁
钱勇生
《计算机工程与设计》
北大核心
2020
5
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部