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633篇文章
< 1 2 … 32 >
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：
基于改进Fisher准则的深度卷积神经网络识别算法 被引量：24
1
作者 孙艳丰 齐光磊 +1 位作者 胡永利 赵璐 《北京工业大学学报》 CAS CSCD 北大核心 2015年第6期835-841,共7页
为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷... 为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果. 展开更多
关键词 深度学习 卷积神经网络 FISHER准则 反向传播(BP)算法 人脸识别 手写字识别
下载PDF
基于深度卷积网络算法的人脸识别方法研究 被引量：16
2
作者 龙海强 谭台哲 《计算机仿真》 北大核心 2017年第1期322-325,371,共5页
由于人脸图像在采集过程中,容易收到光照等环境影响,使得人脸特征存在突变性。传统的识别方法主要通过采集人脸特征进行人脸识别,对图像清晰度要求很高,针对模糊图像不能及时进行人脸特征采集,导致人脸识别不准确的问题。提出深度卷积... 由于人脸图像在采集过程中,容易收到光照等环境影响,使得人脸特征存在突变性。传统的识别方法主要通过采集人脸特征进行人脸识别,对图像清晰度要求很高,针对模糊图像不能及时进行人脸特征采集,导致人脸识别不准确的问题。提出深度卷积网络算法的人脸识别方法。首先要用局部二值算法提取人脸局部纹理特征,对深度卷积网络模型进行构建,并利用卷积网络共享权值和池化、下采样等降低模型的复杂度。在模型的顶层形成人脸图像特征分类面,得到完成好的深度卷积网络模型,利用该模型对人脸图像进行特征提取,有效的完成了人脸的识别。实验结果很好地证明了利用深度卷积网络算法的人脸识别方法对人脸特征表达效果良好,显著提高了人脸识别的准确率。 展开更多
关键词 深度卷积网络 局部二值模式 人脸识别
下载PDF
基于改进型卷积网络的汽车高度调节器缺陷检测方法 被引量：13
3
作者 鲍光海 林善银 徐林森 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第2期157-165,共9页
针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度... 针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度的同时减少了参数计算量。改进的结构主要运用卷积层、池化层、批标准化层、softmax层,并引入残差网络结构和可分离卷积。实验结果表明,基于改进型卷积网络的汽车高度调节器缺陷检测方法有着良好的识别精度,在汽车高度调节器多类缺陷的检测实验中,准确率均在99%以上,优于经典卷积网络VGG16。 展开更多
关键词 深度学习 改进型卷积网络 残差网络 汽车高度调节器 缺陷检测
下载PDF
基于迁移学习的桥梁表观病害检测技术研究 被引量：12
4
作者 王桂平 陈旺桥 +2 位作者 杨建喜 唐于凌 吴波 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2022年第6期1638-1646,共9页
桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述... 桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。 展开更多
关键词 桥梁表观病害检测 迁移学习 深度卷积网络 动态学习率调整 微调
下载PDF
基于多尺度特征提取的图像语义分割 被引量：11
5
作者 熊志勇 张国丰 王江晴 《中南民族大学学报（自然科学版）》 CAS 北大核心 2017年第3期118-124,共7页
指出了基于深度学习的图像语义分割中,如何充分利用图像上下文信息以达到更好的分割效果,是当前图像语义分割研究的关键问题.为解决这一问题,提出了一种基于多尺度特征提取的图像语义分割方法,通过构建深层卷积神经网络,并利用不同尺度... 指出了基于深度学习的图像语义分割中,如何充分利用图像上下文信息以达到更好的分割效果,是当前图像语义分割研究的关键问题.为解决这一问题,提出了一种基于多尺度特征提取的图像语义分割方法,通过构建深层卷积神经网络,并利用不同尺度图像作为网络的输入来提取不同尺度图像的特征,最后经过特征融合得到了分割图.在公开数据集Stanford background dataset 8类数据集上进行训练和验证,实验结果达到了84.33%的准确率.实验表明:通过提取和融合多尺度特征,可以达到更好的图像语义分割效果. 展开更多
关键词 图像语义分割 多尺度特征 深度学习 卷积网络
下载PDF
隧道表面图像多目标智能识别算法研究 被引量：10
6
作者 许力之 王耀东 +2 位作者 朱力强 史红梅 余祖俊 《铁道学报》 EI CAS CSCD 北大核心 2022年第9期154-162,共9页
隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立... 隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。 展开更多
关键词 图像处理 隧道病害 深度学习 卷积网络
下载PDF
结合结构自相似性和卷积网络的单幅图像超分辨率 被引量：10
7
作者 向文 张灵 +1 位作者 陈云华 姬秋敏 《计算机应用》 CSCD 北大核心 2018年第3期854-858,共5页
针对单幅图像超分辨率(SR)复原病态逆问题,在重建过程边缘细节丢失导致的模糊,提出一种结合结构自相似和卷积网络的单幅图像超分辨率算法。首先,通过将尺度分解获得待重构图片样本的自身结构相似性,结合外部数据库样本结合作为训练样本... 针对单幅图像超分辨率(SR)复原病态逆问题,在重建过程边缘细节丢失导致的模糊,提出一种结合结构自相似和卷积网络的单幅图像超分辨率算法。首先,通过将尺度分解获得待重构图片样本的自身结构相似性,结合外部数据库样本结合作为训练样本,可以解决样本过于分散的问题;其次,将样本输入卷积神经网络(CNN)进行训练学习,得到单幅图像超分辨率的先验知识;然后,利用非局部约束项自适应选择最优字典重建图像;最后,利用迭代反投影算法对图像超分辨率效果进一步提升。实验结果表明,与双三次插值(Bicubic)方法、K-SVD算法和基于卷积神经网络的图像超分辨率(SRCNN)方法等优秀算法相比,所提算法可以得到边缘更为清晰的超分辨率重建效果。 展开更多
关键词 超分辨率 结构自相似性 深度卷积网络 正则化 块匹配
下载PDF
基于深度学习的行为识别算法综述 被引量：10
8
作者 胡凯 郑翡 +1 位作者 卢飞宇 黄昱锟 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2021年第6期730-743,共14页
人体行为识别一直是计算机视觉研究中的热点.随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用,以及深度学习算法的快速发展,基于深度学习的行为识别算法层出不穷.相较于传统方法,基于深度学习的行为识别算法具有鲁棒性强、... 人体行为识别一直是计算机视觉研究中的热点.随着近几年人体行为识别在虚拟现实、短视频等方面的广泛应用,以及深度学习算法的快速发展,基于深度学习的行为识别算法层出不穷.相较于传统方法,基于深度学习的行为识别算法具有鲁棒性强、准确率高的优点.基于此,本文对近年来提出的基于深度学习的行为识别算法进行了梳理,并对由双流卷积网络和3D卷积网络结构发展而来的行为识别的系列算法进行了重点介绍,并总结了各种算法的性能和成果,最后对该领域进行了展望. 展开更多
关键词 行为识别 深度学习 卷积网络
下载PDF
基于多任务深度卷积神经网络的人脸/面瘫表情识别方法 被引量：10
9
作者 彭先霖 张海曦 胡琦瑶 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第2期187-192,共6页
由于人类个体面部形态各种各样,使得不同人在表达同一感情时有可能产生较大的视觉差异,为了减弱这种内类视觉差异性对人脸表情识别产生的影响,该文提出一种分层多任务学习的人脸表情识别方法,该方法以现有深度卷积神经网络模型为基础,... 由于人类个体面部形态各种各样,使得不同人在表达同一感情时有可能产生较大的视觉差异,为了减弱这种内类视觉差异性对人脸表情识别产生的影响,该文提出一种分层多任务学习的人脸表情识别方法,该方法以现有深度卷积神经网络模型为基础,构造双层树分类器以替换输出层的平面softmax分类器,构建深度多任务学习框架,通过利用人脸表情标签和人脸标签共同学习更具辨识力的深度特征,将知识从相关人脸识别任务中迁移过来,从而减弱面部形态对表情识别的影响,提高表情识别性能。实验结果表明,相较于VGGnet,Googlenet和Resnet深度模型,文中提出的方法均提高了人脸表情识别率,且成功推广到面瘫表情识别问题中。 展开更多
关键词 表情识别 人脸识别 面瘫表情识别 深度卷积网络 多任务学习
下载PDF
基于深度学习的居民区识别在电力线规划中的应用 被引量：9
10
作者 马旭 李宝昕 +4 位作者 乔新辉 赵晶辉 邰建豪 李怡瑾 李默煊 《电网与清洁能源》 2019年第8期25-33,41,共10页
针对高压输电线路规划设计中居民区数据难以精准获取的问题,采用人工智能算法,提出了基于深度学习的遥感影像居民区自动识别方法。在Matconvnet框架下,利用迁移学习技术在小样本情况下开发了一套针对多源遥感影像的居民区检测系统。以... 针对高压输电线路规划设计中居民区数据难以精准获取的问题,采用人工智能算法,提出了基于深度学习的遥感影像居民区自动识别方法。在Matconvnet框架下,利用迁移学习技术在小样本情况下开发了一套针对多源遥感影像的居民区检测系统。以陕西省宝鸡市为例,对算法进行验证,结果表明,该算法居民区识别精度优于93%,能很好地满足高压线规划设计中对居民区数据的需求。 展开更多
关键词 高压线路设计 深度学习 遥感影像 居民区识别 全卷积网络
下载PDF
深度学习结合影像组学的肝脏肿瘤CT分割 被引量：9
11
作者 刘云鹏 刘光品 +6 位作者 王仁芳 金冉 孙德超 邱虹 董晨 李瑾 洪国斌 《中国图象图形学报》 CSCD 北大核心 2020年第10期2128-2141,共14页
目的从医学影像中进行肝脏与肿瘤分割是计算机辅助诊断和治疗的重要前提。常见的胸部和腹部扫描成像效果中,图像对比度偏低,边界模糊,需要医生丰富的临床解剖学知识才能准确地分割,所以精确的自动分割是一个极大的挑战。本文结合深度学... 目的从医学影像中进行肝脏与肿瘤分割是计算机辅助诊断和治疗的重要前提。常见的胸部和腹部扫描成像效果中,图像对比度偏低,边界模糊,需要医生丰富的临床解剖学知识才能准确地分割,所以精确的自动分割是一个极大的挑战。本文结合深度学习与医学影像组学,提出一种肝脏肿瘤CT(computed tomography)分割方法。方法首先建立一个级联的2D图像端到端分割模型对肝脏和肿瘤同时进行分割,分割模型采用U-Net深度网络框架,在编码器与解码器内部模块以及编码器与解码器层次之间进行密集连接,这种多样化的特征融合可以获取更准确的全局位置特征和更丰富的局部细节纹理特征;同时融入子像素卷积与注意力机制,有利于分割出更加微小的肿瘤区域;接着生成两个用于后处理的学习模型,一个基于影像组学的分类模型用于假阳性肿瘤的去除;另一个基于3D体素块的分类模型用于分割边缘的细化。结果实验数据来自某医院影像科300个肝癌病例CT,每个序列中的肝脏与肿瘤都是由10年以上的医学专家进行分割标注。对数据进行5倍交叉验证,敏感度(sensitivity)、命中率(positive predicted value)和戴斯系数(Dice coefficient)在验证结果中的平均值分别达到0.87±0.03、0.91±0.03和0.86±0.05,相比于性能第2的模型分别提高了0.03、0.02和0.04。结论肝脏肿瘤CT的精确分割可以形成有价值的术前预判、术中监测和术后评价,有助于制定完善的手术治疗方案,提高肝脏肿瘤手术的成功率,且该方法不局限于肝脏肿瘤的分割,同样也适用于其他医学影像组织器官与肿瘤的分割。 展开更多
关键词 深度学习 影像组学 全卷积网络 注意力模型 密集连接
原文传递
基于全卷积网络的图像语义分割算法 被引量：8
12
作者 李英杰 张惊雷 《计算机应用与软件》 北大核心 2020年第8期213-218,273,共7页
基于卷积神经网络的语义分割模型易存在提取特征不充分、上采样恢复原图尺寸时丢失细节等问题,导致分割精度降低。对比提出一种基于全卷积网络DeepLab v3的改进算法。采用LeakyReLU激活函数,增强网络提取较弱特征的能力;输入图像在多孔... 基于卷积神经网络的语义分割模型易存在提取特征不充分、上采样恢复原图尺寸时丢失细节等问题,导致分割精度降低。对比提出一种基于全卷积网络DeepLab v3的改进算法。采用LeakyReLU激活函数,增强网络提取较弱特征的能力;输入图像在多孔空间金字塔池化(ASPP)后,使用密集上采样卷积(DUC)恢复与原图尺寸一致的预测图;在训练时使用Nadam优化器,提高网络的收敛速度和鲁棒性。在PASCAL VOC 2012数据集上进行了验证与评测,结果表明算法平均交并比(mIoU)相比于原算法提高0.6%。 展开更多
关键词 语义分割 深度卷积网络 多孔空间金字塔池化 密集上采样卷积
下载PDF
基于多分支结构的点云补全网络 被引量：8
13
作者 罗开乾 朱江平 +2 位作者 周佩 段智涓 荆海龙 《激光与光电子学进展》 CSCD 北大核心 2020年第24期201-208,共8页
点云是一种重要的三维表达方式,在计算机视觉和机器人领域都有着广泛的应用。由于真实应用场景中存在遮挡和采样不均匀等情况,传感器采集的目标物体点云形状往往是不完整的。为了提取点云的特征和补全目标点云,提出了一种基于多分支结... 点云是一种重要的三维表达方式,在计算机视觉和机器人领域都有着广泛的应用。由于真实应用场景中存在遮挡和采样不均匀等情况,传感器采集的目标物体点云形状往往是不完整的。为了提取点云的特征和补全目标点云,提出了一种基于多分支结构的点云补全网络。编码器从输入信息中提取局部特征和全局特征,解码器中的多分支结构将提取的特征转换成点云,以得到目标物体完整的点云形状。在ShapeNet和KITTI数据集以及不同残缺比例、不同几何形状的情况下进行实验,结果表明,本方法可以很好地补充目标缺失的点云,得到完整、直观、真实的点云模型。 展开更多
关键词 图像处理 形状补全 深度卷积网络 多分支结构
原文传递
基于深度学习的流场时程特征提取模型 被引量：8
14
作者 战庆亮 葛耀君 白春锦 《物理学报》 SCIE EI CAS CSCD 北大核心 2022年第7期219-228,共10页
特征识别是流体力学的重要研究方向,然而在中高雷诺数情况下物体的尾流流场复杂,难以通过传统方法实现特征的提取与识别.深度学习理论与技术的不断发展为复杂流场特征的识别提供了新方法.基于流场时程数据的深度学习模型,本文研究了4种... 特征识别是流体力学的重要研究方向,然而在中高雷诺数情况下物体的尾流流场复杂,难以通过传统方法实现特征的提取与识别.深度学习理论与技术的不断发展为复杂流场特征的识别提供了新方法.基于流场时程数据的深度学习模型,本文研究了4种模型对尾流场特征提取与识别的精度,得到了针对流场时程特征提取的高精度新方法.结果表明:所提出的模型能够识别尾流物理时程的不同特征,并通过流场时程实现了目标的外形识别,验证了方法的可行性;同时结果表明基于卷积运算的深度学习模型精度高,适用于流场时程数据的特征分析;深度学习网络结构更深、层间结构复杂的残差卷积网络识别精度最高,是尾流时程分析的高精度算法.本文所提方法从流场物理量时程的角度对流场特征进行了提取与识别,证明了深度学习方法具有较高的识别精度,是研究流场特征的重要途径. 展开更多
关键词 流场特征提取 深度学习 流场时程 残差卷积网络 特征识别
下载PDF
电力巡检图像中防振锤的区域全卷积网络识别方法 被引量：7
15
作者 罗玉鹤 庞红旗 +2 位作者 高飞翎 白文博 陈静 《福州大学学报（自然科学版）》 CAS 北大核心 2020年第6期714-719,共6页
针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题,提出一种基于区域全卷积网络(region-based fully convolutional networks,R-FCN)的电力巡检图像防振锤智能识别方法.该方法通过特征提取网络自动... 针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题,提出一种基于区域全卷积网络(region-based fully convolutional networks,R-FCN)的电力巡检图像防振锤智能识别方法.该方法通过特征提取网络自动提取防振锤特征,省却了传统检测方法特征提取的过程,提高了效率.此外,在R-FCN网络中采用位置敏感池化来引入平移变换,抵消全卷积网络造成的平移不变性问题,在检测精度和效率上均有较大提高.实验结果表明,该方法能准确检测出复杂背景下不同形态的防振锤,平均准确率高达88%,具有较强的鲁棒性. 展开更多
关键词 目标检测 区域全卷积网络 深度学习 卷积网络
下载PDF
结合深度卷积网络与加速鲁棒特征配准的图像精准定位 被引量：7
16
作者 罗家祥 林畅赫 +1 位作者 王加朋 胡跃明 《光学精密工程》 EI CAS CSCD 北大核心 2017年第2期469-476,共8页
针对在大图像中定位小块区域图像的需求,本文提出一种结合深度卷积网络与加速鲁棒特征(SURF)配准的精准定位方法。将标准大区域图像分割成若干个小参考图像,利用深度卷积网络和类局部敏感哈希降维法提取参考图像集的特征并形成特征库;... 针对在大图像中定位小块区域图像的需求,本文提出一种结合深度卷积网络与加速鲁棒特征(SURF)配准的精准定位方法。将标准大区域图像分割成若干个小参考图像,利用深度卷积网络和类局部敏感哈希降维法提取参考图像集的特征并形成特征库;基于特征库,提出了先检索多个相似参考图像后再进行SURF精确配准的两阶段方法,实现目标小图像在标准大图像中的定位。针对电子工业过程中高密度柔性电路板(FPC)及精确末制导中的图像定位数据进行实验,实验结果表明,该方法避免了传统SURF算法大量的特征提取与配对过程,SURF特征提取数减少近90%;与直接根据图像特征进行配准的传统定位方法相比,在保证定位准确率的基础上,耗时可缩小一个数量级以上。 展开更多
关键词 深度卷积网络 图像检索 特征匹配 精准定位
下载PDF
基于深度卷积网络的小麦品种识别研究 被引量：7
17
作者 陈文根 李秀娟 吴兰 《粮食储藏》 2018年第2期1-4,13,共5页
为研究无破坏性、高准确度、适应性强的快速小麦品种识别方法,选取9种已知的小麦品种为样品,每种小麦籽粒2000粒,通过深度卷积网络自动提取小麦特征,采用Softmax分类器辨识小麦品种。该方法小麦品种平均识别准确率达到97.78%,分类混淆... 为研究无破坏性、高准确度、适应性强的快速小麦品种识别方法,选取9种已知的小麦品种为样品,每种小麦籽粒2000粒,通过深度卷积网络自动提取小麦特征,采用Softmax分类器辨识小麦品种。该方法小麦品种平均识别准确率达到97.78%,分类混淆矩阵基本呈对角阵。同时该方法在网络训练完后可重复使用,具有泛化性强、成本低的特点,在小麦品种识别领域有较好的实用价值。 展开更多
关键词 小麦 品种识别 深度卷积网络
下载PDF
基于参考序列与全卷积网络的风速数据缺失与异常修复方法 被引量：5
18
作者 王守相 郭陆阳 +1 位作者 赵倩宇 杨爱超 《电力系统自动化》 EI CSCD 北大核心 2023年第9期129-136,共8页
针对风速缺失与异常数据修复问题,考虑到风速采样网络中的节点数据相关性,提出了一种基于参考序列与全卷积网络的风速数据缺失与异常修复方法。首先,构建了基于全卷积插值网络与全卷积门控网络的数据修复模型。然后,利用全卷积插值网络... 针对风速缺失与异常数据修复问题,考虑到风速采样网络中的节点数据相关性,提出了一种基于参考序列与全卷积网络的风速数据缺失与异常修复方法。首先,构建了基于全卷积插值网络与全卷积门控网络的数据修复模型。然后,利用全卷积插值网络计算无参考修复数据,利用全卷积门控网络计算无参考修复数据与参考数据的权重系数,并将两种数据带权重求和得到最终修复数据。最后,使用两个风电场数据验证了所提方法的效果。结果表明,与其他无参考修复方法相比,所提方法能够利用相近节点的参考风速数据,提高目标节点的风速时序数据修复精度。 展开更多
关键词 风电场 风速数据 数据修复 深度学习 全卷积网络
下载PDF
基于深度高斯过程回归的视频异常事件检测方法 被引量：6
19
作者 王栋 张晓俊 戴丽华 《电子测量与仪器学报》 CSCD 北大核心 2021年第3期158-164,共7页
针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特... 针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特征提取和检测两个步骤。在测试阶段,相对于训练样本集的后验概率的对数似然较小的被判定为异常。方法在一个模拟数据集和一个完全真实的数据集上进行了实验验证,实验结果证明所提出的方法在两个数据集上分别达到了83.9%的帧级AUC和34.4%的帧级AUC,在性能上达到了现有技术发展水平。 展开更多
关键词 视频监控 异常事件 高斯过程回归 深度核学习 卷积神经网络
下载PDF
特征域近端高维梯度下降图像压缩感知重构网络 被引量：2
20
作者 杨春玲 梁梓文 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第3期119-130,共12页
压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注... 压缩感知理论可以被用于解决信源采集设备计算资源受限的问题,但信号重构过程存在不确定性。传统的重构算法计算复杂度高,难以在实际中应用。近期,基于深度学习的重构算法打破传统算法的局限性,以其速度快、质量高等特点受到了广泛关注。现有的深度学习重构算法可以划分为“黑盒子”以及基于优化启发网络两种类型。与“黑盒子”式的网络结构相比,基于优化启发的深度网络更容易获得高精度的恢复,同时也更具可解释性。然而现有基于优化启发的图像压缩感知重构网络在每个优化阶段仅学习单一梯度,存在测量值信息利用不足、难以准确地学习梯度等缺点,限制了重构性能的提升。为了更充分地利用测量值信息,降低梯度学习的难度,本文提出了高维空间梯度学习思想,实现更准确的梯度回归。在此基础上,本文提出了特征域近端高维梯度下降(FPHGD)算法,并设计了实现该算法的深度神经网络(FPHGD-Net)以获得高精度图像重构结果。此外,本文设计了3种不同复杂度的深度空间近端映射网络结构,以满足不同的应用条件,按空间复杂度从低到高,相应模型分别为FPHGD-Net-Tiny、FPHGD-Net、FPHGD-NetPlus。实验结果表明,与OPINE-Net+相比,所提3种模型在Set11数据上的平均PSNR分别提升1.34、1.51和1.88 dB,并且在重构视觉效果上,能够恢复出更丰富的图像细节。 展开更多
关键词 图像压缩感知 深度学习 图像恢复 卷积网络 近端梯度下降
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 … 32 下一页 到第 页
使用帮助 返回顶部