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14,022篇文章
< 1 2 … 250 >
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：
基于卷积神经网络的无线网络安全风险评估及控制 被引量：11
1
作者 颜蔚 《沈阳工业大学学报》 CAS 北大核心 2022年第5期565-569,共5页
为了提高无线网络安全风险评估的准确性,对无线网络安全进行实时高精度控制,提出了基于卷积神经网络的无线网络安全风险评估及控制方法.通过基于卷积神经网络模型的无线网络安全风险评估方法,评估无线网络安全风险,使用基于遗传算法与PI... 为了提高无线网络安全风险评估的准确性,对无线网络安全进行实时高精度控制,提出了基于卷积神经网络的无线网络安全风险评估及控制方法.通过基于卷积神经网络模型的无线网络安全风险评估方法,评估无线网络安全风险,使用基于遗传算法与PID控制理论的网络稳定控制优化方法实现无线网络稳定控制,采用网络安全攻击数据库KDD Cup99作为测试对象.结果表明:所提方法正确率高,误报率低;在该方法控制下,无线网络输出信号幅值与期望幅值十分接近;评估耗时与控制耗时较低,能够保证无线网络安全. 展开更多
关键词 卷积神经网络 无线网络 安全风险评估 稳定性控制 遗传算法 PID控制 评估正确率 控制精度
下载PDF
基于多尺度特征融合的遥感图像场景分类 被引量：34
2
作者 杨州 慕晓冬 +1 位作者 王舒洋 马晨晖 《光学精密工程》 EI CAS CSCD 北大核心 2018年第12期3099-3107,共9页
为了解决遥感图像场景分类中因样本量小而分类精度不高的问题,提出了一种基于多尺度特征融合(MSFF)的分类方法。首先,对遥感图像进行尺度变换,得到同一遥感源图像的多个不同尺度图像。接着,将其分别输入深度卷积神经网络(DCNN)中进行卷... 为了解决遥感图像场景分类中因样本量小而分类精度不高的问题,提出了一种基于多尺度特征融合(MSFF)的分类方法。首先,对遥感图像进行尺度变换,得到同一遥感源图像的多个不同尺度图像。接着,将其分别输入深度卷积神经网络(DCNN)中进行卷积操作。然后,将各卷积层和全连接层提取出的不同尺度特征进行降维和编码/平均池化操作。最后,将各尺度特征进行编码融合并利用多核支持向量机(MKSVM)进行场景分类。在两个公开遥感图像数据集UCM Land-Use和NWPU-RESISC45中进行试验,分类精度最高分别达到98.91%和99.33%。本文方法能够利用不同尺度的图像特征,结合低、中、高层语义表示,使融合特征的可辨识性更高,同时使用多核支持向量机提高了深度网络学习的泛化能力,因此分类效果更好。 展开更多
关键词 遥感图像 场景分类 深度卷积神经网络 特征融合 多核支持向量机
下载PDF
基于参数迁移和卷积循环神经网络的语音情感识别 被引量：31
3
作者 缪裕青 邹巍 +2 位作者 刘同来 周明 蔡国永 《计算机工程与应用》 CSCD 北大核心 2019年第10期135-140,198,共7页
在语音情感识别研究中,已有基于深度学习的方法大多没有针对语音时频两域的特征进行建模,且存在网络模型训练时间长、识别准确性不高等问题。语谱图是语音信号转换后具有时频两域的特殊图像,为了充分提取语谱图时频两域的情感特征,提出... 在语音情感识别研究中,已有基于深度学习的方法大多没有针对语音时频两域的特征进行建模,且存在网络模型训练时间长、识别准确性不高等问题。语谱图是语音信号转换后具有时频两域的特殊图像,为了充分提取语谱图时频两域的情感特征,提出了一种基于参数迁移和卷积循环神经网络的语音情感识别模型。该模型把语谱图作为网络的输入,引入AlexNet网络模型并迁移其预训练的卷积层权重参数,将卷积神经网络输出的特征图重构后输入LSTM(Long Short-Term Memory)网络进行训练。实验结果表明,所提方法加快了网络训练的速度,并提高了情感识别的准确率。 展开更多
关键词 语谱图 深度学习 参数迁移 卷积循环神经网络 语音情感识别
下载PDF
基于ALBERT-CRNN的弹幕文本情感分析 被引量：20
4
作者 曾诚 温超东 +2 位作者 孙瑜敏 潘列 何鹏 《郑州大学学报（理学版）》 北大核心 2021年第3期1-8,共8页
提出一种结合ALBERT预训练语言模型与卷积循环神经网络(convolutional recurrent neural network,CRNN)的弹幕文本情感分析模型ALBERT-CRNN。首先使用ALBERT预训练语言模型获取弹幕文本的动态特征表示,使得句子中同一个词在不同上下文... 提出一种结合ALBERT预训练语言模型与卷积循环神经网络(convolutional recurrent neural network,CRNN)的弹幕文本情感分析模型ALBERT-CRNN。首先使用ALBERT预训练语言模型获取弹幕文本的动态特征表示,使得句子中同一个词在不同上下文语境中具有不同的词向量表达;然后利用CRNN对特征进行训练,充分考虑了文本中的局部特征信息和上下文语义关联;最后通过Softmax函数得出弹幕文本的情感极性。在哔哩哔哩、爱奇艺和腾讯视频三个视频平台的弹幕文本数据集上进行实验,结果表明,ALBERT-CRNN模型在三个数据集上的准确率分别达到94.3%、93.5%和94.8%,相比一些传统模型具有更好的效果。 展开更多
关键词 弹幕文本 情感分析 词向量 预训练语言模型 卷积循环神经网络
下载PDF
结合GAN的轻量级模糊车牌识别算法 被引量：14
5
作者 段宾 符祥 +1 位作者 江毅 曾接贤 《中国图象图形学报》 CSCD 北大核心 2020年第9期1813-1824,共12页
目的模糊车牌识别是车牌识别领域的难题,针对模糊车牌图像收集困难、车牌识别算法模型太大、不适用于移动或嵌入式设备等不足,本文提出了一种轻量级的模糊车牌识别方法,使用深度卷积生成对抗网络生成模糊车牌图像,用于解决现实场景中模... 目的模糊车牌识别是车牌识别领域的难题,针对模糊车牌图像收集困难、车牌识别算法模型太大、不适用于移动或嵌入式设备等不足,本文提出了一种轻量级的模糊车牌识别方法,使用深度卷积生成对抗网络生成模糊车牌图像,用于解决现实场景中模糊车牌难以收集的问题,在提升算法识别准确性的同时提升了部署泛化能力。方法该算法主要包含两部分,即基于优化卷积生成对抗网络的模糊车牌图像生成和基于深度可分离卷积网络与双向长短时记忆(long short-term memory,LSTM)的轻量级车牌识别。首先,使用Wasserstein距离优化卷积生成对抗网络的损失函数,提高生成车牌图像的多样性和稳定性;其次,在卷积循环神经网络的基础上,结合深度可分离卷积设计了一个轻量级的车牌识别模型,深度可分离卷积网络在减少识别算法计算量的同时,能对训练样本进行有效的特征学习,将特征图转换为特征序列后输入到双向LSTM网络中,进行序列学习与标注。结果实验表明,增加生成对抗网络生成的车牌图像,能有效提高本文算法、传统车牌识别和基于深度学习的车牌识别方法的识别率,为进一步提高各类算法的识别率提供了一种可行方案。结合深度可分离卷积的轻量级车牌识别模型,识别率与基于标准循环卷积神经网络(convolutional recurrent neural network,CRNN)的车牌识别方法经本文生成图像提高后的识别率相当,但在模型的大小和识别速度上都优于标准的CRNN模型,本文算法的模型大小为45 MB,识别速度为12.5帧/s,标准CRNN模型大小是82 MB,识别速度只有7帧/s。结论使用生成对抗网络生成图像,可有效解决模糊车牌图像样本不足的问题;结合深度可分离卷积的轻量级车牌识别模型,具有良好的识别准确性和较好的部署泛化能力。 展开更多
关键词 模糊车牌识别 深度学习 生成对抗网络(GAN) 深度可分离卷积 循环神经网络(CRNN)
原文传递
基于卷积循环神经网络深度学习的短期风速预测 被引量：12
6
作者 李大中 李颖宇 王超 《电力科学与工程》 2019年第8期1-6,共6页
由于风速具有随机性和间歇性的特点,以传统方法难以实现风速的精准测量及预测。风速信号对于风电机组输出功率稳定、电能质量提升优化等具有重要作用。基于此,提出一种基于卷积与循环神经网络相结合的深度学习实现风速预测的方法,并与... 由于风速具有随机性和间歇性的特点,以传统方法难以实现风速的精准测量及预测。风速信号对于风电机组输出功率稳定、电能质量提升优化等具有重要作用。基于此,提出一种基于卷积与循环神经网络相结合的深度学习实现风速预测的方法,并与其它方法做了对比分析。以某风电场2014—2015年机组历史大数据为依据,经过数据预处理随机选取44天数据对设计模型进行训练验证,结果与实际风速基本一致,并且效果好于其他方法。从该风场2015年历史大数据中再随机选取12天数据,进一步对模型泛化性能进行检验,结果表明该模型仍然能够实现风速的准确预测,泛化性能良好。 展开更多
关键词 风电机组 风速预测 卷积循环神经网络 深度学习
下载PDF
基于特征金字塔卷积循环神经网络的故障诊断方法 被引量：10
7
作者 刘秀丽 徐小力 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第2期182-190,共9页
变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)... 变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)框架,并联CNN的卷积层和循环神经网络(RNN)中的长短时记忆(LSTM)层,形成新的CRNN,以充分利用CNN对空间域信息和RNN对时域信息的学习能力;在每一层中权值共享,减少网络参数;利用FPN构建全新特征图,输入一维信号和堆叠后形成的二维信号,对传感器采集的信号进行特征提取,实现故障诊断.利用行星齿轮箱进行故障试验,并进行5折交叉验证,该方法的诊断准确率平均值为99.20%,比基本神经网络模型至少高3.62%,表明该方法诊断精度高、鲁棒性强;利用凯斯西储大学轴承数据集进行验证,证明该方法具有良好的泛用性;利用t-SNE方法对模型的特征学习效果进行可视化分析,结果表明不同故障类别特征具有良好的聚类效果. 展开更多
关键词 卷积循环神经网络 特征金字塔 故障诊断 特征可视化
下载PDF
中文分词与命名实体识别的联合学习 被引量：9
8
作者 黄晓辉 乔立升 +2 位作者 余文涛 李京 薛寒 《国防科技大学学报》 EI CAS CSCD 北大核心 2021年第1期86-94,共9页
将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取... 将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。 展开更多
关键词 卷积循环神经网络 局部空间特征 时序依赖特征 分词与实体识别
下载PDF
基于深度学习方法的中文车牌识别算法 被引量：8
9
作者 胡逸龙 金立左 《工业控制计算机》 2021年第5期63-65,共3页
针对传统车牌识别算法鲁棒性差、识别速度慢、准确率低的问题。借鉴深度学习技术的研究成果,提出一种车牌检测、字符识别两阶段的中文车牌识别算法。车牌检测阶段,基于YOLO模型,针对车牌目标易于辨识、形状固定的任务特点,对模型进行轻... 针对传统车牌识别算法鲁棒性差、识别速度慢、准确率低的问题。借鉴深度学习技术的研究成果,提出一种车牌检测、字符识别两阶段的中文车牌识别算法。车牌检测阶段,基于YOLO模型,针对车牌目标易于辨识、形状固定的任务特点,对模型进行轻量化和添加注意力机制等改进得到YOLO_Plate模型;字符识别阶段,基于CRNN模型,针对车牌颜色包含有效信息的任务特点,对模型输入和卷积网络结构进行调整;再针对拍摄角度导致的车牌形变问题,向网络中添加STN网络,得到CRNN_Plate模型。使用CCPD数据集,在RTX 3070 GPU条件下进行测试,检测速率约16ms每张,识别准确率达到了97.96%。 展开更多
关键词 光学字符识别 车牌识别 深度学习 YOLO 卷积循环神经网络
下载PDF
基于注意力LSTM的音乐主题推荐模型 被引量：7
10
作者 贾宁 郑纯军 《计算机科学》 CSCD 北大核心 2019年第S11期230-235,共6页
针对传统音乐推荐过程中存在的分类准确率较低、周期较长、难以满足人们在生活中对主题音乐的需求等问题,设计了一种注意力机制与长短期记忆(Long Short-Term Memory,LSTM)相结合的神经网络模型,它由音乐主题模型和音乐推荐模型构成,在... 针对传统音乐推荐过程中存在的分类准确率较低、周期较长、难以满足人们在生活中对主题音乐的需求等问题,设计了一种注意力机制与长短期记忆(Long Short-Term Memory,LSTM)相结合的神经网络模型,它由音乐主题模型和音乐推荐模型构成,在使用注意力机制和LSTM网络实现音乐情感分类的基础上,音乐主题模型有效地组合了音频码本和主题模型,实现了对某个情感下的音乐主题子类的判别。音乐推荐模型则利用低级描述符(Low-Level Descriptor,LLD)和频谱图,构建手工特征与卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)特征的联合表示形式,从而获得用户语音表达的情感,并对其进行精准的音乐主题推荐。实验中,针对两个模型分别进行设计,采用两种不同的传统模型作为基线,实验结果表明,与传统的单一模型相比,此模型不仅可以提升主题分类精度,而且可以精准地判断用户语音数据的情感,从而定向地完成主题音乐的推荐。 展开更多
关键词 音乐主题推荐 长短期记忆网络 注意力机制 卷积循环神经网络 低级描述符 主题模型
下载PDF
注意力机制与复合卷积在手写识别中的应用 被引量：7
11
作者 卓天天 桑庆兵 《计算机科学与探索》 CSCD 北大核心 2022年第4期888-897,共10页
将图片切分成单“字”识别再连接成“串”是脱机手写图像识别的一种方法,但由于手写字符间易存在粘连,切分方法不易实现。卷积循环神经网络(CRNN)虽解决了整张文本图片输入,标签却不易对齐的问题,但由于不同人脱机手写风格的严重差异,... 将图片切分成单“字”识别再连接成“串”是脱机手写图像识别的一种方法,但由于手写字符间易存在粘连,切分方法不易实现。卷积循环神经网络(CRNN)虽解决了整张文本图片输入,标签却不易对齐的问题,但由于不同人脱机手写风格的严重差异,网络提取出的特征表示力不够。对此提出了加强型卷积块注意力模块和复合卷积,并将其加入处理脱机文本识别的CRNN+CTC主流框架中。加强型卷积块注意力模块增大输入特征图的贡献权重且并联地使用通道注意力、空间注意力,丰富了细化特征图语义信息的同时避免了通道注意力模块对空间注意力模块的权重干扰,使得网络更聚焦图片中的有用特征而非无用的拖拽字迹特征。而嵌入在网络深层的复合卷积采用的多卷积核卷积意味着不同尺度的特征融合,增强了网络的泛化性。基于加强型卷积块注意力模块和复合卷积的CRNN+CTC框架在具有语义信息的IAM数据集上准确率达到85.7748%,字符错误率为8.6%;在RIMES数据集上准确率达到92.8728%,字符错误率为3.9%,比起当前主流的脱机文本识别算法,性能进一步提升。 展开更多
关键词 脱机英文手写单词识别 加强型卷积块注意力模块 复合卷积 卷积循环神经网络(CRNN)
下载PDF
基于卷积循环神经网络的网络流量异常检测技术 被引量：7
12
作者 徐洪平 马泽文 +1 位作者 易航 张龙飞 《信息网络安全》 CSCD 北大核心 2021年第7期54-62,共9页
随着互联网技术的广泛普及,网络安全问题也随之增加。作为网络系统的主要防御手段之一,对网络流量进行异常检测从过去基于流量负载特征和基于异常特征库匹配的检测方式,逐渐向基于机器学习、深度学习的分类方法转变。文章首先提出一种... 随着互联网技术的广泛普及,网络安全问题也随之增加。作为网络系统的主要防御手段之一,对网络流量进行异常检测从过去基于流量负载特征和基于异常特征库匹配的检测方式,逐渐向基于机器学习、深度学习的分类方法转变。文章首先提出一种基于数据包数目的网络流量数据样本划分方法,然后组合使用深度学习中的卷积神经网络和循环神经网络提出一种基于卷积循环神经网络的网络流量异常检测算法,该算法能更充分地提取网络流量数据在空间域和时间域上的特征;最后使用公开网络流量数据集进行流量异常检测实验。实验得到了很高的精度、召回率和准确率,验证了文章方法的有效性。 展开更多
关键词 流量异常检测 卷积循环神经网络 样本生成
下载PDF
基于深度学习的指针式压力表读数方法研究 被引量：2
13
作者 林鸿正 张斌 +2 位作者 赵成龙 戴杰 湛敏 《现代电子技术》 北大核心 2024年第7期165-169,共5页
为了降低指针式压力表的误读率,减轻人工读数压力,提高仪表读数的精度,设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性,重新设计了更适应指针式... 为了降低指针式压力表的误读率,减轻人工读数压力,提高仪表读数的精度,设计了一种基于深度学习的指针式压力表读数方法。通过在DBNet网络结构基础上增加主干网络ResNet-18各个卷积层的通道数来提高模型的鲁棒性,重新设计了更适应指针式压力表刻度值检测的损失函数,在刻度值精准检测识别的基础上设计了极坐标展开的方法,将弧形的刻度值展开成一条直线,提高了读数的准确率。实验结果表明,最大误差仅1.05%,平均误差仅0.725%。相较于常用的Hough直线检测与ORB结合或DBNet+CRNN检测的方法,读数识别的平均误差大幅降低,为指针式压力表的自动读数提供了新的思路。 展开更多
关键词 深度学习 指针式压力表 极坐标展开 自动读数 卷积循环神经网络 读数识别
下载PDF
基于注意力机制优化组合神经网络的电力缺陷等级确定方法 被引量：2
14
作者 程宏伟 高莲 +1 位作者 于虹 李鹏 《电测与仪表》 北大核心 2024年第1期83-90,98,共9页
为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法使用分布式字粒度向量对电力缺陷描述进行表示,使用由卷积神经网络和双向... 为解决电力缺陷描述专业词汇较多分词准确率不佳以及单一神经网络模型自身存在不足的问题,提出了基于注意力机制优化组合神经网络的电力缺陷等级确定方法。该方法使用分布式字粒度向量对电力缺陷描述进行表示,使用由卷积神经网络和双向长短时记忆网络组成的卷积循环神经网络对电力缺陷描述的局部特征和序列特征进行特征提取,采用注意力机制对组合神经网络得到的语义特征进行权重分配,减少关键特征的丢失,进一步增强关键信息对分类结果的影响。以云南电网公司2014年—2019年间11万条缺陷描述数据作为实验对象,文中所提方法的Acc、MF_(1)值和WF_(1)值分别为0.9275、0.9112和0.9275,验证了该方法在电力缺陷等级确定中的有效性和可行性,为电网的智能化运行提供帮助。 展开更多
关键词 卷积循环神经网络 字粒度 注意力机制 电力缺陷描述 状态评价
下载PDF
基于卷积-循环神经网络的回转窑工况识别 被引量：5
15
作者 马文科 张茜 周晓杰 《控制工程》 CSCD 北大核心 2020年第8期1310-1316,共7页
论文提出了一种基于火焰视频序列采用卷积-循环神经网络分析回转窑烧结工况的新方法。现方法以单帧静态火焰图像为输入,易受噪声影响,识别准确率低,而视频序列蕴含的信息更加全面,能够更准确的反映工况变化。该方法首先针对图像序列数... 论文提出了一种基于火焰视频序列采用卷积-循环神经网络分析回转窑烧结工况的新方法。现方法以单帧静态火焰图像为输入,易受噪声影响,识别准确率低,而视频序列蕴含的信息更加全面,能够更准确的反映工况变化。该方法首先针对图像序列数据处理和主成分分析法(Principal Component Analysis,PCA)初步特征提取,之后应用卷积-循环神经网络的集成网络进一步学习图像空间和时间维的特征表达,并得到识别结果。利用随机搜索对网络进行超参数优化,进而获得最优的神经网络模型。最后,对卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)和CNN-RNN(Convolutional-Recurrent Neural Network,CNN-RNN)网络在两种数据集下的效果进行了比较,实验结果表明所提出的卷积-循环神经网络集成网络提高了回转窑烧结工况识别率。 展开更多
关键词 水泥回转窑 时间序列 卷积-循环神经网络 超参数优化
下载PDF
基于卷积循环神经网络的中国民族复音音乐的乐器活动检测 被引量：5
16
作者 李子晋 蒋超亚 +2 位作者 陈晓鸥 马英浩 韩宝强 《复旦学报（自然科学版）》 CAS CSCD 北大核心 2020年第5期511-516,共6页
针对中国民族复音音乐的乐器活动检测问题,提出了一种基于卷积循环神经网络(CRNN)的复音乐器活动检测方法,该方法属于事件检测类,在秒级的时间分辨率上识别乐器活跃的起止时间及乐器种类.同时,在中国音乐学院的DCMI数据库基础上,构建了... 针对中国民族复音音乐的乐器活动检测问题,提出了一种基于卷积循环神经网络(CRNN)的复音乐器活动检测方法,该方法属于事件检测类,在秒级的时间分辨率上识别乐器活跃的起止时间及乐器种类.同时,在中国音乐学院的DCMI数据库基础上,构建了3种不同的面向10种中国民族乐器的复音数据集进行训练和评估.通过实验,我们将CRNN模型与CNN模型进行了比较,验证了模型的特点和优势. 展开更多
关键词 卷积循环神经网络 中国民族音乐 乐器活动检测
下载PDF
改进CRNN的车牌识别方法
17
作者 林立雄 庄裕富 +1 位作者 何洪钦 郑佳春 《集美大学学报（自然科学版）》 CAS 2024年第6期535-539,共5页
针对传统车牌识别方法在车牌模糊和光照复杂的场景下难以快速准确识别车牌信息的问题,为提高网络的特征提取能力,将带残差的ResNet引入卷积循环神经网络(convolutional recurrent neural network,CRNN),提出了CRNN_ResNet车牌文本识别... 针对传统车牌识别方法在车牌模糊和光照复杂的场景下难以快速准确识别车牌信息的问题,为提高网络的特征提取能力,将带残差的ResNet引入卷积循环神经网络(convolutional recurrent neural network,CRNN),提出了CRNN_ResNet车牌文本识别算法。该方法仅需0.012 s就能完成一张车牌图像的识别,在CCPD公开数据集上的识别准确率达到了98.5%。 展开更多
关键词 车牌识别 深度神经网络 卷积循环神经网络
下载PDF
基于机器学习的舰船通信网络流量异常检测方法 被引量：3
18
作者 潘志安 庞国莉 刘庆杰 《舰船科学技术》 北大核心 2023年第21期213-216,共4页
针对舰船通信网络流量易受噪声成分影响,导致流量异常检测精度下降问题,提出基于机器学习的舰船通信网络流量异常检测方法。该方法使用基于小波变换的网络流量预处理方法,细化舰船通信网络原始流量数据,由小波阈值将细化后流量数据进行... 针对舰船通信网络流量易受噪声成分影响,导致流量异常检测精度下降问题,提出基于机器学习的舰船通信网络流量异常检测方法。该方法使用基于小波变换的网络流量预处理方法,细化舰船通信网络原始流量数据,由小波阈值将细化后流量数据进行去噪处理后,通过基于机器学习的流量异常检测模型,以前向传播训练、反向传播训练的方式,训练稳定的卷积循环神经网络,将去噪后流量数据样本输入网络中,分类检测通信网络流量数据是否异常。实验结果显示:所提方法有效去除舰船通信网络流量噪声成分后,可提高舰船通信网络流量异常检测精度,无错检情况,且检测范围更全面。 展开更多
关键词 机器学习 舰船通信 网络流量 异常检测 小波变换 卷积循环神经网络
下载PDF
基于卷积循环神经网络的芯片表面字符识别 被引量：3
19
作者 熊帆 陈田 +1 位作者 卞佰成 刘军 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第5期948-956,共9页
基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.... 基于积分图运算的阈值分割将图像二值化,使用仿射变换完成文本字段图像的方向校正,从而实现文本行的定位.在原始卷积循环神经网络(CRNN)的基础上,将骨干网络替换成MobileNet-V3结构,在2层LSTM之间加入注意力机制,同时引入中心损失函数.利用改进的CRNN实现文本行字符的识别.将改进后的CRNN在40510张芯片文本行图像上进行测试.通过小样本数据集进行模型微调训练得到多个子模型,从而实现集成推理,使用3个模型的综合识别准确率稳定在99.97%左右,单张芯片图像的总识别时间小于60 ms.实验结果表明,改进的CRNN算法的准确率比原始CRNN提升了大约27.48%,多模型集成推理的方法可以实现更高的准确率. 展开更多
关键词 图像处理 积分图 卷积循环神经网络 字符识别 集成推理
下载PDF
基于OCR技术的复杂背景下工件标识字符识别方法 被引量：4
20
作者 刘基 赵志诚 王晓东 《铸造》 CAS 北大核心 2021年第7期855-860,共6页
针对铸造工艺过程中白模挂涂、铸件补漆后工件标识字符模糊不清、背景复杂,从而导致识别难度增加的问题,提出了一种基于卷积循环神经网络与连接时域分类的端对端光学字符识别模型。该模型在卷积层基于VGGNet16进行了简化和改进,又利用... 针对铸造工艺过程中白模挂涂、铸件补漆后工件标识字符模糊不清、背景复杂,从而导致识别难度增加的问题,提出了一种基于卷积循环神经网络与连接时域分类的端对端光学字符识别模型。该模型在卷积层基于VGGNet16进行了简化和改进,又利用旋转、加噪、调整亮度和对比度的数据增广方法解决了样本数量少的问题。根据试验对比选择合适的模型参数,实现了复杂背景下铸造工件标识字符的识别。结果表明,改进后的字符识别模型稳定、识别率高,对相似字符具有较好的鲁棒性。 展开更多
关键词 铸造工件 工件标识符 光学字符识别 卷积循环神经网络 连接时域分类
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 … 250 下一页 到第 页
使用帮助 返回顶部