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7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：
基于多尺度特征损失函数的图像超分辨率重建 被引量：10
1
作者 徐亮 符冉迪 +2 位作者 金炜 唐彪 王尚丽 《光电工程》 CAS CSCD 北大核心 2019年第11期1-9,共9页
在图像超分辨率重建问题中,许多基于深度学习的方法大多采用传统的均方误差(MSE)作为损失函数,重建后的图像容易出现细节模糊和过于平滑的问题。针对这一问题,本文对传统的均方误差损失函数进行改进,提出一种基于多尺度特征损失函数的... 在图像超分辨率重建问题中,许多基于深度学习的方法大多采用传统的均方误差(MSE)作为损失函数,重建后的图像容易出现细节模糊和过于平滑的问题。针对这一问题,本文对传统的均方误差损失函数进行改进,提出一种基于多尺度特征损失函数的图像超分辨率重建方法。整个网络模型由基于DenseNet的重建模型和一个用来优化多尺度特征损失函数的卷积神经网络串联构成。将重建后得到的图像和对应的原始高清图像作为串联的卷积神经网络的输入,计算重建图像卷积得到的不同尺度特征图与对应的原始高清图像卷积得到的不同尺度特征图的均方误差。实验结果表明,本文提出的方法在主观视觉效果和PSRN、SSIM上均有所提升。 展开更多
关键词 图像超分辨率重建 稠密卷积神经网络 多尺度特征损失函数 深度学习
下载PDF
基于注意力机制和软匹配的多标签遥感图像检索方法
2
作者 张永梅 徐敏 李小冬 《计算机应用与软件》 北大核心 2024年第6期181-185,199,共6页
针对卷积神经网络对于多标签遥感图像特征提取能力弱、不能准确反映遥感图像多标签复杂性的问题,提出基于注意力机制和软匹配的多标签遥感图像检索方法。在特征提取阶段,以密集卷积神经网络模型为基础,在每个密集块(Dense Block)后添加C... 针对卷积神经网络对于多标签遥感图像特征提取能力弱、不能准确反映遥感图像多标签复杂性的问题,提出基于注意力机制和软匹配的多标签遥感图像检索方法。在特征提取阶段,以密集卷积神经网络模型为基础,在每个密集块(Dense Block)后添加CBAM(Convolutional Block Attention Module)层,实现对多标签图像区域特征提取。在模型训练时,利用区分硬匹配与软匹配的联合损失函数,学习图像的哈希编码表示。通过评估遥感图像哈希编码间的汉明距离,实现相似图像的检索。实验结果表明,所提方法在数据集NUS-WIDE和多标签遥感图像数据集DLRSD上与其他基于全局特征的深度哈希方法相比,明显提升了检索准确率。 展开更多
关键词 遥感图像检索 密集卷积神经网络 深度哈希 多标签 软匹配
下载PDF
深度密集卷积神经网络协同检测的多聚焦图像融合方法 被引量：1
3
作者 杨威 梅礼晔 +3 位作者 徐川 张欢 胡传文 邓鶱闯 《激光与光电子学进展》 CSCD 北大核心 2022年第24期38-47,共10页
针对传统方法不能充分挖掘图像聚焦关联信息导致融合细节失真的问题,提出了一种基于深度密集卷积神经网络协同检测的多聚焦图像融合方法。将多聚焦源图像进行集成实现协同聚焦特征检测,利用深度密集卷积神经网络的特征复用、低级特征与... 针对传统方法不能充分挖掘图像聚焦关联信息导致融合细节失真的问题,提出了一种基于深度密集卷积神经网络协同检测的多聚焦图像融合方法。将多聚焦源图像进行集成实现协同聚焦特征检测,利用深度密集卷积神经网络的特征复用、低级特征与高级特征相结合等特点,来加强多聚焦图像特征表达能力,可以更好地挖掘图像语义信息。采用多尺度金字塔池化策略聚合不同聚焦区域的全局上下文信息,增强聚焦与离焦的区分能力,得到粗略融合概率决策图。进一步采用卷积条件随机场对其进行优化,获得精细化概率决策图,最终得到细节保持的融合图像。将一对多聚焦图像合并为6通道送入网络进行训练,保证了训练时聚焦图像相关性。利用公开数据集对提出的融合方法进行主观与客观评价,实验结果表明该方法具有较好的融合效果,能够充分挖掘聚焦关联信息、保留足够的图像细节。 展开更多
关键词 图像处理 多聚焦图像 图像融合 密集卷积神经网络 金字塔池化 协同检测
原文传递
卷积神经网络物体检测算法在物流仓库中的应用 被引量：13
4
作者 李天剑 黄斌 +1 位作者 刘江玉 金秋 《计算机工程》 CAS CSCD 北大核心 2018年第6期176-181,共6页
针对传统物体检测算法在复杂环境下检测准确率较低的问题,提出一种新的托盘检测算法。采集真实仓库中包括人和托盘的大量图片进行标注,构建物流仓库的托盘数据库,并将单次多箱探测器检测算法中的基础网络改进为DenseNet网络,利用所标注... 针对传统物体检测算法在复杂环境下检测准确率较低的问题,提出一种新的托盘检测算法。采集真实仓库中包括人和托盘的大量图片进行标注,构建物流仓库的托盘数据库,并将单次多箱探测器检测算法中的基础网络改进为DenseNet网络,利用所标注的托盘数据库进行训练和测试。在测试阶段,结合不同分辨率的多尺度特征图,以增强网络对被检测物体的适应能力,并使用单一网络实现检测任务。实验结果表明,与YOLO算法相比,该算法检测准确率提高了6.1%。 展开更多
关键词 物体检测 托盘检测 卷积神经网路 深度学习 稠密连接卷积神经网络
下载PDF
基于密集连接卷积神经网络的下壁心肌梗死检测 被引量：6
5
作者 熊鹏 薛彦平 +3 位作者 刘明 杜海曼 王洪瑞 刘秀玲 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2020年第1期142-149,共8页
下壁心肌梗死是一种病死率高的急性缺血性心脏病,易诱发恶性心律失常、心率衰竭、心源性休克等危及生命的并发症。因而,开展对下壁心肌梗死准确高效的早期诊断研究具有重要的临床价值。心电图是早期诊断下壁心肌梗死最敏感的手段。本文... 下壁心肌梗死是一种病死率高的急性缺血性心脏病,易诱发恶性心律失常、心率衰竭、心源性休克等危及生命的并发症。因而,开展对下壁心肌梗死准确高效的早期诊断研究具有重要的临床价值。心电图是早期诊断下壁心肌梗死最敏感的手段。本文提出了一种基于密集连接卷积神经网络的下壁心肌梗死检测方法。该方法将Ⅱ、Ⅲ和aVF导联的原始心电信号串接数据作为模型的输入,利用卷积层的尺度不变性提取心电信号中具有鲁棒性的特征,并通过不同层间密集连接的方式加强了心电信号特征的传递,使得网络能够自动学习心电信号中鲁棒性强且辨识度高的有效特征,从而实现下壁心肌梗死的准确检测。本文还采用德国国家计量学研究所诊断公共心电数据库进行验证,本文模型的准确率、敏感性和特异性分别达到了99.95%、100%和99.90%。在含有噪声的情况下,模型的准确率、敏感性和特异性也均超过99%。基于本文研究结果,期望今后可在临床环境中引入本文方法,以帮助医生快速诊断下壁心肌梗死。 展开更多
关键词 下壁心肌梗死 心电图 密集连接卷积神经网络 特征提取
原文传递
基于SRDenseNet的指纹超分辨率重建研究
6
作者 钱鹏 刘满华 《计算机应用与软件》 北大核心 2023年第6期187-193,210,共8页
指纹识别是一种常用的生物特征识别技术,图像质量对指纹识别效果有着重要的影响。针对现有指纹图像质量低导致识别准确率差的问题,提出一种基于SRDenseNet的指纹超分辨率重建算法。该方法使用深度卷积神经网络为基本结构,加入了Dense块... 指纹识别是一种常用的生物特征识别技术,图像质量对指纹识别效果有着重要的影响。针对现有指纹图像质量低导致识别准确率差的问题,提出一种基于SRDenseNet的指纹超分辨率重建算法。该方法使用深度卷积神经网络为基本结构,加入了Dense块和Dense跳连接以充分利用多层次的特征信息,提出将全局均方差和平均局部结构相似度引入损失函数,有效提升深度卷积神经网络对指纹图像的分辨率提高与全局结构和局部细节重建的能力。在FVC数据集上进行测试和验证,将该方法与现有其他方法进行比较。结果表明,2、3、4倍率的超分辨率指纹图像的匹配等错误率分别从原来的5.456%、8.730%和16.091%下降至4.762%、7.500%和12.540%,实验证明了该方法的有效性。 展开更多
关键词 指纹识别 超分辨率 密集连接卷积神经网络 等错误率
下载PDF
基于轻量级DenseNet和ZigBee的指纹识别方法
7
作者 叶得学 韩如冰 颜鲁合 《湖南科技大学学报（自然科学版）》 北大核心 2023年第4期78-87,共10页
针对传统身份识别方法识别准确率低、模型复杂且运算速度慢等问题,提出一种新的基于轻量级密集连接卷积神经网络(DenseNet)和紫蜂协议(ZigBee)的指纹识别方法.首先,构建指纹识别系统的整体模型,并对该模型进行适当的裁剪以缩减模型复杂... 针对传统身份识别方法识别准确率低、模型复杂且运算速度慢等问题,提出一种新的基于轻量级密集连接卷积神经网络(DenseNet)和紫蜂协议(ZigBee)的指纹识别方法.首先,构建指纹识别系统的整体模型,并对该模型进行适当的裁剪以缩减模型复杂度.其次,通过筛选指纹图像、增强有效指纹以及扩充增强后的数据等操作,对采集到的ZigBee协议指纹信息进行预处理.然后,以传统深度残差网络的基本思想为依据,通过前馈的方式改变层间的连接关系并构建轻量级DenseNet.最后,以相同的样本数据为基础分别对轻量级DenseNet模型、普通DenseNet模型和3种传统基于机器学习的身份识别算法模型进行训练.试验结果表明:所提出的基于轻量级DenseNet模型的识别准确度最高,为98.24%,且该模型的运行速度最快,与普通DenseNet模型相比,其模型复杂度降低了94%以上. 展开更多
关键词 指纹识别 轻量级denseNet 密集连接卷积神经网络 ZIGBEE 深度学习
原文传递
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