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9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：
基于DeepCluster的朝鲜语古籍文字图像的无监督聚类方法研究 被引量：1
1
作者 刘晓童 赵梦玲 +1 位作者 王桂荣 金小峰 《延边大学学报（自然科学版）》 CAS 2023年第2期183-188,共6页
为了提高朝鲜语古籍文字图像的标注效率,提出了一种基于DeepCluster的朝鲜语古籍文字图像的无监督聚类方法.首先,基于DeepCluster对AlexNet卷积网络进行简化;然后,采用Sobel滤波器的线性变换消除图像域中的颜色和增加局部图像的对比度;... 为了提高朝鲜语古籍文字图像的标注效率,提出了一种基于DeepCluster的朝鲜语古籍文字图像的无监督聚类方法.首先,基于DeepCluster对AlexNet卷积网络进行简化;然后,采用Sobel滤波器的线性变换消除图像域中的颜色和增加局部图像的对比度;最后,利用数据增强方法强化模型对朝鲜语古籍样本特征的学习能力.在无标注的朝鲜语古籍文字图像数据集上进行实验显示,该方法的准确率和NMI指标比DCN方法分别提高了15.32个百分点和0.180.由此表明,该方法可有效提高文字图像的标注效率,可应用于朝鲜语古籍文字标注数据集的构建中. 展开更多
关键词 无监督聚类 朝鲜语古籍 DeepCluster alexnet卷积网络 深度学习 图像数据集 文字图像
下载PDF
基于AlexNet卷积神经网络的大米产地高光谱快速判别 被引量：13
2
作者 吴静珠 李晓琪 +3 位作者 林珑 刘翠玲 刘志 袁玉伟 《中国食品学报》 EI CAS CSCD 北大核心 2022年第1期282-288,共7页
采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩... 采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩阵系数最大值筛选与第一、二主成分相关性最强的特征波长1396.67 nm和1467.38 nm。针对两组特征波长图像进行主成分分析,分别选取前三维主成分,共计可得2×3组训练样本集。结果表明:基于AlexNet卷积神经网络训练建立6组东北/非东北大米产地高光谱快速判别模型,均有较高的识别准确率,其中基于1467.38 nm波长的第三主成分图像建立的东北/非东北大米产地判别模型的性能最佳,其识别准确率可达99.5%。 展开更多
关键词 高光谱 大米产地鉴别 主成分分析 alexnet卷积神经网络
下载PDF
基于卷积神经网络提取超声图像甲状腺结节钙化点的研究 被引量：14
3
作者 左东奇 韩霖 +3 位作者 陈科 李程 花瞻 林江莉 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2018年第5期679-687,共9页
超声是检测甲状腺结节的首选方法,钙化特征是甲状腺结节良恶性判别的重要特征。但是由于囊壁等结节内部结构的干扰,钙化点提取一直是医学影像处理技术中的难点。本文提出了一种基于深度学习算法的钙化点提取法,并在阿列克谢(Alexnet)卷... 超声是检测甲状腺结节的首选方法,钙化特征是甲状腺结节良恶性判别的重要特征。但是由于囊壁等结节内部结构的干扰,钙化点提取一直是医学影像处理技术中的难点。本文提出了一种基于深度学习算法的钙化点提取法,并在阿列克谢(Alexnet)卷积神经网络的基础上提出了两种改进方法:(1)通过添加逐层对应的反池化(unpooling)和反卷积层(deconv2D)使网络向着所需要的特征进行训练并最终提取出钙化特征;(2)通过修改Alexnet模型卷积模板的数量和全连接层节点的数量,使其特征提取更加精细;最终通过两种方法的结合得到改进网络。为了验证本文所提出的方法,本文从数据集中选取钙化结节图像8 416张、无钙化结节图像10 844张。改进的Alexnet卷积神经网络方法的钙化特征提取准确率为86%,较传统方法有了较大提升,为甲状腺结节的良恶性识别提供了有效的手段。 展开更多
关键词 甲状腺结节 钙化点 卷积神经网络 阿列克谢卷积神经网络
原文传递
基于改进AlexNet卷积神经网络的手写体数字识别 被引量：9
4
作者 谢东阳 李丽宏 苗长胜 《河北工程大学学报（自然科学版）》 CAS 2021年第4期102-106,共5页
为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-resnet模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理(BN)方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的... 为了提高手写体数字的识别率,在AlexNet网络模型的基础上进行改进,引入Inception-resnet模块替换模型中的Conv3和Conv4来提升模型的特征提取能力;使用批归一化处理(BN)方法加快网络的收敛速度,防止过拟合;减少卷积核的数量,提升网络的训练速度。在MNIST数据集上进行训练与测试,实验结果表明改进的网络模型具有较高的检测精度,达到了0.9966,证明了本算法的有效性。 展开更多
关键词 手写数字识别 alexnet卷积神经网络 Inception-resnet模块 批归一化处理
下载PDF
基于改进ALEXNET卷积神经网络的电容层析成像三维图像重建 被引量：5
5
作者 李岩 王璐 李佳琪 《哈尔滨理工大学学报》 CAS 北大核心 2020年第4期109-115,共7页
针对卷积神经网络三维图像重建算法的样本训练速度慢和成像精度低的问题,提出一种根据不同流型的AlexNet神经网络数据训练方法。首先通过SVM算法将输入的电容样本数据按照流型分类,然后采用单一流型样本数据训练相应的AlexNet卷积神经网... 针对卷积神经网络三维图像重建算法的样本训练速度慢和成像精度低的问题,提出一种根据不同流型的AlexNet神经网络数据训练方法。首先通过SVM算法将输入的电容样本数据按照流型分类,然后采用单一流型样本数据训练相应的AlexNet卷积神经网络,使得某一流型的神经网络的输入样本数据类型简单、样本数量少和神经网络规模小。同时采用具有冲量和自适应学习速率的Adam算法,减少了训练时的误差振荡,加速神经网络的收敛。通过对比改进的AlexNet卷积神经网络算法和LBP算法的成像结果,表明优化后的AlexNet在成像精度和速度上有显著提升。 展开更多
关键词 电容层析成像 三维图像重建 alexnet卷积神经网络 Adam梯度下降算法
下载PDF
Alexnet卷积神经网络辨识幽门螺杆菌阳性舌象的可行性研究 被引量：3
6
作者 宋晓宾 李奕 +3 位作者 李冬 任健 李修阳 马柯 《山东中医杂志》 2021年第3期235-238,共4页
目的:探索从舌象图像分析判断幽门螺杆菌(Hp)感染的可行诊断技术。方法:引入Alexnet卷积神经网络概念,通过现代技术对舌象图像分类、识别、计算,以实现对Hp舌象精准客观诊断的功能。结果:通过研究中医舌诊与消化系统的关联、舌象图像可... 目的:探索从舌象图像分析判断幽门螺杆菌(Hp)感染的可行诊断技术。方法:引入Alexnet卷积神经网络概念,通过现代技术对舌象图像分类、识别、计算,以实现对Hp舌象精准客观诊断的功能。结果:通过研究中医舌诊与消化系统的关联、舌象图像可特定性识别的原因以及深度学习Alexnet卷积神经网络结构,论证了该方法对Hp阳性舌象分类模型辨识具有可行性。结论:运用Alexnet卷积神经网络实现辨识Hp感染,将有助于补充与完善中医舌象现代诊断,是实现中医诊疗标准化与客观化的重要技术手段之一。 展开更多
关键词 alexnet卷积神经网络 幽门螺杆菌 舌象 诊断标准化 诊断客观化 可行性研究
下载PDF
基于AlexNet卷积神经网络的5G信号调制方式识别 被引量：2
7
作者 张清 胡国兵 赵嫔姣 《信息化研究》 2020年第2期36-43,共8页
针对非协作条件下信号调制识别对信号的先验信息要求较高,且人工选取特征复杂等问题,文章提出一种基于AlexNet卷积神经网络的5G信号调制方式识别算法。针对π/2-BPSK、QPSK、16QAM、64QAM、256QAM这5种常用5G信号(3GPP R15协议建议),选... 针对非协作条件下信号调制识别对信号的先验信息要求较高,且人工选取特征复杂等问题,文章提出一种基于AlexNet卷积神经网络的5G信号调制方式识别算法。针对π/2-BPSK、QPSK、16QAM、64QAM、256QAM这5种常用5G信号(3GPP R15协议建议),选择其星座图作为AlexNet网络的输入特征,构建识别分类算法。仿真结果表明,该算法在15dB信噪比下对5种常用5G信号的平均识别正确率达90%,相较于已有基于信号散布图特征的识别算法,其性能更优。 展开更多
关键词 调制识别 alexnet卷积神经网络 星座图 5G信号
下载PDF
基于AlexNet网络的服装风格识别分析
8
作者 李淑霞 杨俊成 《微型电脑应用》 2022年第1期48-50,54,共4页
将深度学习引入机器学习使人工智能的研究上了一个新的台阶,深度学习的建模与表征能力强大,在图像处理领域有着非常重要的作用,这为服装风格分类提供了发展机会。为了进一步得到服装图片的风格信息,对原始训练集进行图片增广,扩增数据集... 将深度学习引入机器学习使人工智能的研究上了一个新的台阶,深度学习的建模与表征能力强大,在图像处理领域有着非常重要的作用,这为服装风格分类提供了发展机会。为了进一步得到服装图片的风格信息,对原始训练集进行图片增广,扩增数据集,同时通过训练AlexNet卷积神经网络模型,对扩充数据集进行服装风格分类,从而提高服装风格识别精度。 展开更多
关键词 深度学习 机器学习 alexnet卷积神经网络 服装风格 服装图片
下载PDF
基于热成像技术和深度学习的煤矸石识别方法 被引量：5
9
作者 曹珍贯 吕旻姝 张宗唐 《湖南工程学院学报（自然科学版）》 2021年第1期48-52,共5页
传统的煤矸石图像识别方法存在特征提取困难、泛化能力弱等问题,采用可见光方式进行煤矸石图像采集又容易受光照、粉尘等环境因素的影响,本文提出一种基于热成像技术和深度学习算法的煤矸石图像识别方法,利用热成像技术进行煤矸石图像采... 传统的煤矸石图像识别方法存在特征提取困难、泛化能力弱等问题,采用可见光方式进行煤矸石图像采集又容易受光照、粉尘等环境因素的影响,本文提出一种基于热成像技术和深度学习算法的煤矸石图像识别方法,利用热成像技术进行煤矸石图像采集,分别采用AlexNet、LeNet、ResNet_50这三个卷积神经网络构建煤矸石图像识别模型.根据总损失、识别准确率、训练速度进行模型性能比较,选择识别效果最好的模型,与两个可见光煤矸石图像进行对比实验.实验结果表明利用热成像技术能显著提升煤和矸石图像的差异性,采用热成像技术构建煤矸石数据集,结合AlexNet卷积神经网络训练的煤矸石识别模型,具有良好的识别效果.测试集识别准确率为97.88%.相对于利用传统的可见光成像技术,识别准确率有显著提升. 展开更多
关键词 热成像 深度学习 煤矸石识别 alexnet卷积神经网络模型
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 下一页 到第 页
使用帮助 返回顶部