基于改进AlexNet卷积神经网络的人脸表情识别 被引量：26

1

作者 石翠萍 谭聪 +1 位作者 左江 赵可新 《电讯技术》 北大核心 2020年第9期1005-1012,共8页

为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷... 为了解决传统卷积神经网络用于人脸表情识别准确率不高的问题,提出了一种基于改进深度AlexNet卷积神经网络的表情识别方法。该方法基于AlexNet网络的基本结构,采用单图形处理单元(Graphics Processing Unit,GPU)进行训练,减少了两层卷积层和一层全连接层,在每层卷积层后加上批标准化(Batch Normalization,BN)代替原来的局部归一化,并在全连接层后加上Dropout正则化进一步防止过拟合。与AlexNet模型相比,改进的网络结构更简单、复杂度低、参数量少,可以节省大量模型训练时间进行快速预测,且更不易过拟合,同时加快了模型收敛速度,提高了网络泛化能力。在Fer2013数据集以及CK+数据集上进行实验,结果表明,所提方法分别得到了68.85%和97.46%的识别率,较其他人脸表情识别方法的识别率有一定提高。 展开更多

关键词 表情识别 深度学习 alexnet网络 BN算法

下载PDF 职称材料

基于小波AlexNet网络的配电网故障区段定位方法 被引量：16

2

作者 侯思祖 郭威 +1 位作者 王子奇 刘雅婷 《电测与仪表》 北大核心 2022年第3期46-57,共12页

文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素... 文中提出一种基于深度网络迁移学习的配电网故障区段定位方法。利用小波包变换(WPT)分解配电网各区段的电量信号,将各节点小波包系数按照低频到高频的顺序重新排列获得时频矩阵,通过颜色编码将时频矩阵转成具有图像性质的像素矩阵,像素矩阵囊括了当前系统的工作状况信息,利用迁移学习AlexNet网络,调整网络结构使其适应于配电网故障区段辨识,通过微调的AlexNet网络自主挖掘像素矩阵的故障特征作为预测变量,利用门控循环单元(GRU)、学习向量量化(LVQ)、朴素贝叶斯分类器(NBC)、极限学习机(ELM)、支持向量机(SVM)等模式识别算法进行故障特征分类,从而实现配电网故障区段定位。针对多分支的线缆混合线路进行实验分析,比较5种模式识别算法的分类效果,得到GRU算法准确率可以达到99.92%,证明了该方法不受故障时刻、故障类型和过渡电阻等因素的影响,可满足配电网对故障区段定位准确度和可靠性的需求。 展开更多

关键词 小波包变换 alexnet网络 门控循环单元 时频矩阵 故障区段定位

下载PDF 职称材料

基于Alexnet网络的绝缘子自爆无人机巡检技术研究 被引量：16

3

作者 李映国 杨宏 +2 位作者 徐郁 周杰 赵家乐 《智慧电力》 北大核心 2021年第8期104-109,共6页

绝缘子是输电系统中与安全相关的关键部件,绝缘子自爆问题的高效快速识别对电力系统的保护具有重要的意义。随着无人机(UAV)相关产业的不断发展,可以采用无人机技术对输电线路进行巡检拍摄。以此为背景提出了一种基于Alexnet网络的绝缘... 绝缘子是输电系统中与安全相关的关键部件,绝缘子自爆问题的高效快速识别对电力系统的保护具有重要的意义。随着无人机(UAV)相关产业的不断发展,可以采用无人机技术对输电线路进行巡检拍摄。以此为背景提出了一种基于Alexnet网络的绝缘子自爆无人机巡检技术。首先,应用无人机巡检这一先进技术得到绝缘子的清晰实时图片。然后,采用Alexnet网络对绝缘子自爆图片进行学习和识别。与传统的识别方法相比,Alexnet网络模型不但结构上有所加深,对卷积的功能也进行了强化,对无人机巡检过程中拍摄的复杂图像进行识别和检测有很好的效果。 展开更多

关键词 绝缘子自爆 alexnet网络 无人机巡检 识别

下载PDF 职称材料

基于AlexNet的茶叶嫩芽状态智能识别研究 被引量：14

4

作者 吕军 夏华鹍 +1 位作者 方梦瑞 周礼赞 《黑龙江八一农垦大学学报》 2019年第2期72-78,共7页

为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本... 为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。 展开更多

关键词 深度学习 alexnet网络 茶叶状态 智能识别

下载PDF 职称材料

采煤机自适应调高控制策略 被引量：12

5

作者 王雅东 赵丽娟 张美晨 《煤炭学报》 EI CAS CSCD 北大核心 2022年第9期3505-3522,共18页

针对采用理想化信号模拟滚筒受载进行采煤机调高液压系统性能分析准确性差、基于传统优化控制算法难以实现对采煤机滚筒调高的自适应控制、响应速度和跟踪性能不好等问题,提出一种基于深度确定性策略梯度算法DDPG(Deep Deterministic Po... 针对采用理想化信号模拟滚筒受载进行采煤机调高液压系统性能分析准确性差、基于传统优化控制算法难以实现对采煤机滚筒调高的自适应控制、响应速度和跟踪性能不好等问题,提出一种基于深度确定性策略梯度算法DDPG(Deep Deterministic Policy Gradient)的采煤机滚筒自适应调高控制策略,并利用虚拟样机技术、深层卷积神经网络(DCNN)与深度强化学习等机器学习算法搭建了采煤机自适应调高机-液-控一体化系统。利用Pro/E及RecurDyn建立采煤机调高系统刚柔耦合动力学仿真模型,根据某采煤工作面实际赋存条件,利用EDEM建立离散元煤壁模型,基于DEM-MFBD接口构建EDEM-RecurDyn双向耦合调高机构机械系统模型,基于AMEsim建立调高机构液压系统模型,利用Simulink搭建了集信号处理模块(Signal processing)、时频谱图生成模块(Continuous wavelet transform System)、数据样本扩充模块(Fancy PCA System)、截割状态识别模块(Alexnet Transfer Learning System)、调高控制决策模块(Height Control decision)和DDPG高度调节模型模块(DDPG Height Adjustment Model)6个模块于一体的采煤机自适应调高控制系统模型,基于接口技术搭建EDEM-RecurDyn-AMEsim-Simulink多领域协同仿真的采煤机自适应调高机-液-控一体化系统模型。利用该系统模型进行仿真并对其调高性能分析,研究结果表明:基于连续小波变换、Fancy PCA和Alexnet网络迁移学习能够实现煤岩截割状态的精准识别,识别准确率可达95.58%,所搭建系统的仿真过程能够更真实地模拟采煤机截割煤岩破碎过程,系统仅经0.6 s左右即能感知到截割工况的变化,且能够快速识别出煤岩截割状态并准确地将滚筒调整至目标高度,响应速度快,能够根据工况变化自适应调节活塞运动速度;相比于模糊PID控制,基于DDPG控制的采煤机自适应调高系统的活塞缩回位移稳态误差最大仅为0.002 1 mm,为前者的0.6 展开更多

关键词 自适应调高 DDPG控制 机-液-控一体化 迁移学习 alexnet网络 多领域建模与协同仿真 采煤机

下载PDF 职称材料

基于SSD算法的实时无人机识别方法研究 被引量：9

6

作者 李秋珍 熊饶饶 +1 位作者 王汝鹏 祁迪 《舰船电子工程》 2019年第5期30-35,共6页

随着无人机广泛运用给人们带来便利的同时,也带来了一些新问题,如无人机非法入侵、碰撞行人等引发安全隐患,因此需要建立一套对指定区域无人机目标进行实时、准确地识别和监控系统。针对图像中无人机目标快速检测和识别问题,提出了两种... 随着无人机广泛运用给人们带来便利的同时,也带来了一些新问题,如无人机非法入侵、碰撞行人等引发安全隐患,因此需要建立一套对指定区域无人机目标进行实时、准确地识别和监控系统。针对图像中无人机目标快速检测和识别问题,提出了两种基于SSD(Single Shot MultiBox Detector)算法的实时无人机识别方法。一种方法是基于SSD获取视频流中的无人机位置,然后利用ResNet网络提取无人机的深度特征,得到1000维特征向量,最后采用KNN(K-Nearest Neighbor)算法对提取的特征进行分类,得到最终的无人机识别结果;在收集的无人机测试集中识别准确率达到了79%。另一种方法是直接将SSD检测到的无人机目标图像送入到AlexNet网络中进行Fine-tuning(微调),在无人机测试集中识别准确率达到了83.75%。实验结果表明,两种方法都能实现实时无人机识别,且准确性方面第二种方法优于第一种方法。同时采用Storm框架,保证高吞吐量地处理数据。 展开更多

关键词 SSD算法 无人机检测 无人机分类 无人机识别 ResNet网络 alexnet网络

下载PDF 职称材料

基于AlexNet的近岸水生植物光谱分类及特征光谱分析 被引量：4

7

作者 郑宗生 刘贝 +4 位作者 卢鹏 王振华 邹国良 赵家惠 李云飞 《中国激光》 EI CAS CSCD 北大核心 2023年第2期123-132,共10页

水生植物能够净化污染物和抑制藻类生长,在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法,具有无接触、快速、无污染等特点。受周围水环境的影响,绿色水生植物的光谱特征峰比陆生植物更加难以区分,地面实测... 水生植物能够净化污染物和抑制藻类生长,在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法,具有无接触、快速、无污染等特点。受周围水环境的影响,绿色水生植物的光谱特征峰比陆生植物更加难以区分,地面实测光谱数据不仅维度高,且存在大量重叠谱带和背景干扰,特征光谱不明显;同时,通过地面实测获取样本数据较为困难,适用于深度学习的地面光谱数据集较少。针对以上问题,本文提出了一种基于一阶导数法结合AlexNet网络的分类模型。本团队以2019年9—10月上海河道内4种优势种群的近岸挺水水生植物为研究对象,使用地物光谱仪采集4种水生植物叶片部位的光谱信息。实验中,首先使用4种光谱分析法对原始数据进行预处理,比较预处理前后分类模型的准确率,其中一阶导数法结合AlexNet网络的分类模型对4种水生植物的分类精度最高,为99.50%;然后分别选取样本数据的40%、60%和80%作为训练集,验证模型在小样本下的泛化能力;最后利用Grad-CAM算法对模型进行可视化,分析后发现本文模型提取的水生植物的特征光谱与现有研究结果一致。上述研究结果表明,本文模型能够有效提取水生植物的特征光谱,实现对4种水生植物的快速准确分类识别,为高光谱遥感卫星识别此4种水生植物提供了重要参考。 展开更多

关键词 光谱学 近岸水生植物 深度学习 光谱预处理 alexnet网络

原文传递

基于改进卷积神经网络的中药饮片图像识别

8

作者 李玥辰 赵晓 +1 位作者 王若男 杨晨 《科学技术与工程》 北大核心 2024年第9期3596-3604,共9页

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... 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。 展开更多

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

下载PDF 职称材料

基于改进卷积神经网络的人脸表情识别方法 被引量：5

9

作者 何超 侯明 《信息技术》 2022年第5期107-111,117,共6页

针对传统的卷积神经网络在表情识别任务中识别率不高的问题,文中在AlexNet基础上进行改进并设计了UCNN网络,引入小的卷积层组成卷积组,让网络更具可调性,与AlexNet相比,网络结构更简单灵活,便于调整算法,参数量少,可以直接叠加而不必添... 针对传统的卷积神经网络在表情识别任务中识别率不高的问题,文中在AlexNet基础上进行改进并设计了UCNN网络,引入小的卷积层组成卷积组,让网络更具可调性,与AlexNet相比,网络结构更简单灵活,便于调整算法,参数量少,可以直接叠加而不必添加新的网络隐层。实验结果表明,UCNN网络在FER2013和CK+两个数据集上的识别率均比其他人脸表情识别方法有所提高,在FER2013数据集和CK+数据上的识别率分别达到了97.56%和68.65%,优于其他方法。说明小的卷积核有助于提取更细微的特征,从而识别更准确。 展开更多

关键词 表情识别 深度学习 alexnet网络 UCNN网络

下载PDF 职称材料

采用视觉显著性和卷积网络的车牌定位算法 被引量：5

10

作者 刘华春 侯向宁 《计算机技术与发展》 2019年第6期74-78,共5页

针对传统的车牌定位方法存在对环境要求高,容易受干扰,鲁棒性不强等不足,提出将视觉显著性与卷积神经网络相结合应用于车牌定位,设计了一种车牌定位方法。该方法包含2个阶段,第1阶段为提取车牌候选区域,将视觉注意机制引入车牌定位过程... 针对传统的车牌定位方法存在对环境要求高,容易受干扰,鲁棒性不强等不足,提出将视觉显著性与卷积神经网络相结合应用于车牌定位,设计了一种车牌定位方法。该方法包含2个阶段,第1阶段为提取车牌候选区域,将视觉注意机制引入车牌定位过程,采用自下而上的模型,提取出车辆图像中具有显著特征的车牌区域。采用视觉显著性算法,实现车牌候选区域的快速定位和提取,避免了在车辆图像的各个区域进行扫描。第2阶段为车牌识别,将深度卷积神经网络应用于车牌区域识别,实现候选区域中非车牌和车牌的准确分类。实验结果表明,该方法性能优异,大幅降低了车牌区域漏检率,鲁棒性强,定位准确率比数字图像方法提高约5%。 展开更多

关键词 视觉显著性 卷积神经网络 车牌定位 深度学习 分类 车牌识别 alexnet网络

下载PDF 职称材料

基于图像识别的农林自动化巡检管理研究

11

作者 尹翰 张园园 张睿 《自动化与仪器仪表》 2023年第8期190-194,199,共6页

为提高农林巡检的自动化水平,结合相关的硬软件技术和深度学习算法,提出一种基于改进Alexnet网络的农林自动化巡检与识别系统。在该系统中,以STM32为主控芯片,实现巡检小车队农林图像的采集;通过对Alexnet网络的改进,实现病虫害的自动... 为提高农林巡检的自动化水平,结合相关的硬软件技术和深度学习算法,提出一种基于改进Alexnet网络的农林自动化巡检与识别系统。在该系统中,以STM32为主控芯片,实现巡检小车队农林图像的采集;通过对Alexnet网络的改进,实现病虫害的自动识别。最后,对上述方案进行验证。结果表明,以上方法对病虫害的识别准确率高达80%以上,且通过网页端可清晰显示识别到病虫害。由此得出以上设计方案可行。 展开更多

关键词 alexnet网络 深度学习 病虫害识别 自动巡检 图像处理

原文传递

融合多尺度-注意力机制和迁移学习的齿轮表面缺陷识别方法

12

作者 高齐 尹明锋 +2 位作者 吴祥 符诗语 贝绍轶 《现代制造工程》 CSCD 北大核心 2023年第8期7-14,98,共9页

针对齿轮表面缺陷识别过程中特征信息提取不充分和识别精度较低等问题,提出一种融合多尺度-注意力机制和迁移学习的齿轮表面缺陷识别方法。新方法的创新之处包括:在AlexNet网络中引进Inception模块增加模型宽度,提取多尺度信息,从而提... 针对齿轮表面缺陷识别过程中特征信息提取不充分和识别精度较低等问题,提出一种融合多尺度-注意力机制和迁移学习的齿轮表面缺陷识别方法。新方法的创新之处包括:在AlexNet网络中引进Inception模块增加模型宽度,提取多尺度信息,从而提升模型对于不同尺度缺陷特征的感知能力;在多尺度编码操作前,采用卷积注意力机制模块在通道维度和空间维度增强缺陷特征信息,进一步提升模型的特征表达能力;将在通用数据集上预训练的AlexNet模型中部分参数信息迁移至网络模型,利用权重微调策略实现针对齿轮表面缺陷识别任务的个性化网络参数优化;最后,将所提方法在齿轮表面缺陷测试集上进行测试。实验结果表明,该方法在齿轮表面缺陷测试集上的精确率为99.33%,召回率为99.33%,分别提升了9.13%和13.23%,满足实际工业生产中齿轮表面缺陷识别的需求。 展开更多

关键词 缺陷识别 alexnet网络 Inception模块 注意力模块 迁移学习

下载PDF 职称材料

基于改进的AlexNet网络的服装廓形识别

13

作者 刘蓉 谢红 《北京服装学院学报（自然科学版）》 CAS 北大核心 2023年第3期64-69,共6页

为了提高服装廓形的识别准确性,实现平面款式图的自动分类和识别,提出了一种基于改进AlexNet网络的服装廓形识别算法。以女裤廓形识别为例,首先,构建了一个包含19000多张女裤平面款式图的数据集,数据集按“S”形、“A”形、“X”形、“... 为了提高服装廓形的识别准确性,实现平面款式图的自动分类和识别,提出了一种基于改进AlexNet网络的服装廓形识别算法。以女裤廓形识别为例,首先,构建了一个包含19000多张女裤平面款式图的数据集,数据集按“S”形、“A”形、“X”形、“O”形、“H”形、“V”形对样本进行标签分类,并划分为训练集、测试集和验证集;然后,构建网络模型对训练集和测试集进行训练;针对平面款式图的图像特点对AlexNet网络进行了改进,通过减小网络深度,在第4层卷积层后引入批归一化操作来防止过拟合,提高模型的泛化性;最后,采用验证集进行模型验证,运用混淆矩阵对模型的验证结果进行可视化。结果表明:改进模型在验证集上的平均准确率为88%,最高类别识别准确率为94%,比改进前的AlexNet网络的识别准确率提高2%,且相较于resnet18等其他网络而言改进后的网络准确率更高,可用于女裤廓形识别。 展开更多

关键词 平面款式图 alexnet网络 女裤廓形 批归一化 混淆矩阵

下载PDF 职称材料

基于AlexNet-SN网络的煤与煤矸石分类方法 被引量：2

14

作者 郑爽 梁云浩 +2 位作者 武俊峰 乔壮 刘付刚 《中国矿业》 2022年第6期79-85,共7页

现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低。随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向。为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网... 现有煤矸石分选方法主要依据人工设计特征对煤矸石进行识别,但特征提取过程复杂,准确率也较低。随着人工智能技术的快速发展,智能选矸成为解决煤矸石分拣问题的重要研究方向。为提高煤与煤矸石分类准确率,本文提出了一种基于AlexNet网络和风格迁移技术改进的煤矸石分拣方法。选用3×3的卷积核代替原AlexNet网络前几层中较大的卷积核,利用BN层代替LRN层和Dropout,并采用风格迁移数据增强法提高煤与煤矸石数据集的多样性。研究结果表明,与原始的AlexNet网络相比,该方法的准确率提高了1.8%,损失率下降了2.0%。此方法不仅能够满足煤与煤矸石实时检测的要求,而且具有更高的识别精度,能有效应用于煤矸石识别。 展开更多

关键词 alexnet网络 煤矸石 人工智能 分选技术

下载PDF 职称材料

基于深度学习的网络档案开发与管理方法 被引量：2

15

作者 赵容 《信息与电脑》 2021年第11期36-38,共3页

为了降低由分类不准确引起的档案管理效率低问题,笔者提出一种基于深度学习的网络档案开发与管理方法。首先,对基于Bootstrapping技术的语料库方法进行改进,在迭代过程中引入信息元评价机制提升挖掘质量;其次,利用长短期记忆模型在语料... 为了降低由分类不准确引起的档案管理效率低问题,笔者提出一种基于深度学习的网络档案开发与管理方法。首先,对基于Bootstrapping技术的语料库方法进行改进,在迭代过程中引入信息元评价机制提升挖掘质量;其次,利用长短期记忆模型在语料库抽取多类型细粒度的档案信息元;最后,建立AlexNet网络,对档案进行分类管理。实验结果表明,本文所提方法对目标档案的查询结果准确率为100%,并且对单独档案的查询时间基本在5s以内,具有良好的管理效果。 展开更多

关键词 深度学习 网络档案 档案信息元 alexnet网络

下载PDF 职称材料

基于颜色编码与谐波特征融合的非侵入式负荷识别方法 被引量：1

16

作者 宰州鹏 赵升 +2 位作者 朱翔鸥 张正江 董凡琦 《电气技术》 2022年第12期9-16,共8页

非侵入式负荷识别(NILM)作为分析用户用电行为的主要途径,对开展能耗监测、实现用电安全评估具有重要意义。针对原始电压-电流(V-I)轨迹特征辨识准确度不高的问题,本文提出一种基于V-I轨迹特征的颜色编码和负荷高次谐波特征相融合的识... 非侵入式负荷识别(NILM)作为分析用户用电行为的主要途径,对开展能耗监测、实现用电安全评估具有重要意义。针对原始电压-电流(V-I)轨迹特征辨识准确度不高的问题,本文提出一种基于V-I轨迹特征的颜色编码和负荷高次谐波特征相融合的识别方法。首先,将高频采样数据经过数据预处理,提取出负荷的V-I轨迹和高次谐波特征,并利用颜色编码技术将瞬时无功功率、功率因数与电流序列分布的数值特征分别映射到彩色图像RGB的三个通道像素矩阵中。然后,引入高次谐波特征与RGB三通道像素矩阵相融合,形成混合彩色图像。最后,运用AlexNet网络的迁移学习对负荷进行训练和分类,通过PLAID数据集与实测数据进行验证,所述负荷识别方法辨识准确率达到95%以上,模型具有良好的泛化能力,可用于家庭及类似场合的用电安全管理。 展开更多

关键词 非侵入式负荷识别(NILM) alexnet网络 V-I轨迹 彩色编码 融合特征

下载PDF 职称材料

基于融合图像的无参考立体图像质量评价 被引量：1

17

作者 李素梅 薛建伟 秦龙斌 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2019年第10期1055-1061,共7页

长时间观看立体图像会导致视觉疲劳、恶心、头痛等不适感,如何结合人类的视觉特性对立体图像质量进行评价是近年来立体成像领域的研究热点.为此,本文提出了一种基于融合图像的无参考立体图像质量评价方法.为了更好地模拟人脑处理立体图... 长时间观看立体图像会导致视觉疲劳、恶心、头痛等不适感,如何结合人类的视觉特性对立体图像质量进行评价是近年来立体成像领域的研究热点.为此,本文提出了一种基于融合图像的无参考立体图像质量评价方法.为了更好地模拟人脑处理立体图像的过程,提出了一种先将左、右视图融合然后进行处理的融合图像算法.首先针对左、右视图分别在RGB 3个通道上进行Gabor滤波以模拟人眼的视觉多通道特性,获取其不同尺度和方向的结构特征,随后通过对比敏感度函数滤除图像的不重要频率信息,然后通过增益控制原理进行加权获得融合图像.相比之前无参考立体图像质量评价方法局限于提取手工裁剪的特征,本文采用直接将原始图像进行切块后,送入网络进行训练,让卷积神经网络自动地提取图像的特征,并且采用重叠切块的方法,相比于非重叠切块,重叠切块可以更好地保留相邻像素之间的关系,并且增加了训练的数据集.然而,与拥有几百万张图像组成的Imagenet数据库相比,立体图像数据库仅有几百张,而且构成图像的基向量是普适的,所以本文对在Imagenet数据库上训练好的 Alexnet 网络进行迁移学习,建立输入图像和输出质量值之间端到端的映射.迁移学习网络模型较传统卷积神经网络收敛快,而且具有更好的初始权重.最后,鉴于人眼在观看图像时总是倾向于从图像的中心开始寻找视觉注视点,然后其注意力由中央向四周递减,本文利用显著特性对图像小块的输出进行加权以更好地模拟人眼的视觉显著特性.在公开的LIVE3D phase-Ⅰ、LIVE3D phase-Ⅱ数据库上进行测试,结果表明本文所提方法在对称和非对称立体图像数据库上较其他方法均取得了较好的结果,能够与人类的主观感知保持良好的一致性. 展开更多

关键词 立体图像质量 alexnet 网络 迁移学习 融合图像 视觉显著性

下载PDF 职称材料

直肠癌淋巴结转移的智能诊断研究 被引量：2

18

作者 吴锐帆 代海洋 +2 位作者 杨坦 江颖 蔡志杰 《数学建模及其应用》 2019年第4期30-37,共8页

基于数字图像处理与机器学习等技术,对直肠癌淋巴结转移情况的诊断问题进行了研究,将肿瘤诊断分解成肿瘤区域提取的图像分割问题与肿瘤区域诊断的图像分类问题.首先,针对肿瘤区域提取的问题,根据直肠肿瘤CT图像的特点,提出了一种结合聚... 基于数字图像处理与机器学习等技术,对直肠癌淋巴结转移情况的诊断问题进行了研究,将肿瘤诊断分解成肿瘤区域提取的图像分割问题与肿瘤区域诊断的图像分类问题.首先,针对肿瘤区域提取的问题,根据直肠肿瘤CT图像的特点,提出了一种结合聚类和水平集方法的图像分割算法,其结果的Dice系数达到0.8954±0.0512,与专业医生人工提取的结果相比具有较高的相似度.然后,使用传统特征提取的方法,针对直肠癌淋巴结是否转移的问题,对肿瘤区域的CT图像进行了分类.实验结果表明,肿瘤的灰度特征与其淋巴结转移情况关联性最高,并且使用PCA降维得到的分类效果最优.最后,本文还使用深度学习方法对肿瘤图像进行了分类.本文使用AlexNet网络模型并采用迁移学习的方法进行训练,实验表明,该方法的效果优于传统方法,其F1-Score达到了0.7719. 展开更多

关键词 直肠癌 淋巴结转移 图像分割 图像分类 深度学习

下载PDF 职称材料

基于特征融合的小样本个体识别算法

19

作者 王姗姗 王厚钧 +2 位作者 程石磊 杨海芬 王小青 《通信技术》 2021年第6期1339-1343,共5页

神经网络需要大量的有标签数据来训练与优化参数。当样本数量较少的时候,网络参数无法得到充分优化。针对小样本情况下神经网络性能较低和存在过拟合的问题,将神经网络特征与人工特征进行融合,以提高识别准确率。仿真结果表明,提出的算... 神经网络需要大量的有标签数据来训练与优化参数。当样本数量较少的时候,网络参数无法得到充分优化。针对小样本情况下神经网络性能较低和存在过拟合的问题,将神经网络特征与人工特征进行融合,以提高识别准确率。仿真结果表明,提出的算法在多种小样本情况下均能有效提高识别的准确率。另外,针对过拟合情况,提出的算法也可以有效恢复过拟合情况下的准确率。 展开更多

关键词 个体识别 alexnet网络 信息维数 特征融合

下载PDF 职称材料

基于深度学习的小样本声纹识别方法 被引量：19

20

作者 李靓 孙存威 +1 位作者 谢凯 贺建飚 《计算机工程》 CAS CSCD 北大核心 2019年第3期262-267,272,共7页

利用小样本声纹作为训练集训练卷积神经网络(CNN)时,网络不能达到较好的收敛状态,从而导致识别率较低。为此,提出一种新的声纹识别方法。利用深度CNN提取潜在的声纹特征,在CNN训练过程中采用基于凸透镜成像原理的图像增多算法解决小样... 利用小样本声纹作为训练集训练卷积神经网络(CNN)时,网络不能达到较好的收敛状态,从而导致识别率较低。为此,提出一种新的声纹识别方法。利用深度CNN提取潜在的声纹特征,在CNN训练过程中采用基于凸透镜成像原理的图像增多算法解决小样本训练样本不足的问题,并在卷积过程中引入快速批量归一化(FBN)方法以提高网络收敛速度、缩短训练时间。在包含630人的TIMIT语音数据库中进行训练、验证和测试,结果表明,FBN-Alexnet网络比Alexnet网络训练时间缩短48.2%,与GMM、GMM-UBM及GMM-SVM方法相比,该方法识别率分别提高7.3%、2.2%、2.8%。 展开更多

关键词 声纹识别 深度学习 FBN-alexnet网络 小样本 快速批量归一化 图像增多算法

下载PDF 职称材料