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156篇文章
< 1 2 … 8 >
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AI人工智能的学前教育机器人对话系统研究 被引量：5
1
作者 潘丽莎 《自动化与仪器仪表》 2023年第5期245-248,共4页
为了实现学前教育机器人对话系统的优化,以语音增强为切入点,提出一种基于双阶段注意力机制的儿童语音增强方法,以优化学前教育机器人对话系统,使机器人能够更准确地理解和执行学前儿童语音中的文本指令。首先分析了主流语音增强方法的... 为了实现学前教育机器人对话系统的优化,以语音增强为切入点,提出一种基于双阶段注意力机制的儿童语音增强方法,以优化学前教育机器人对话系统,使机器人能够更准确地理解和执行学前儿童语音中的文本指令。首先分析了主流语音增强方法的基本原理以及单通道时域语音增强存在的问题;然后搭建双阶段注意力增强网络的语音增强方法,并在学前教育机器人对话系统中加入双阶段注意力语音增强模块进行测试。结果表明:双阶段注意力语音增强方法的SSNR得分相比于得分较高的通道注意力增强网络提高了3.3 dB,loss值是四种模型中最低的即0.98,且语音增强时域波形图清晰;综上研究得出,提出的语音增强方法具有可行性和有效性。 展开更多
关键词 深度学习网络 学前教育机器人 对话系统 语音增强
原文传递
基于卷积长短时网络的调制识别技术研究
2
作者 曹九霄 朱锐 +2 位作者 邬伶凤 褚鹏 赵康 《电子信息对抗技术》 2024年第4期56-63,共8页
随着深度学习的发展,更多的研究者将调制方式识别与深度学习网络结合,充分利用了神经网络无需先验信息的特点,促进了自动调制识别(Automatic Modulation Recognition, AMR)技术的发展。但是AMR技术存在低信噪比下泛化能力有限,分类精度... 随着深度学习的发展,更多的研究者将调制方式识别与深度学习网络结合,充分利用了神经网络无需先验信息的特点,促进了自动调制识别(Automatic Modulation Recognition, AMR)技术的发展。但是AMR技术存在低信噪比下泛化能力有限,分类精度不高的问题,提出了一种由卷积神经网络(Convolutional Neural Network, CNN),长短时记忆(Long Short-Term Memory, LSTM)网络和深度神经网络组成的模型-卷积长短时深度神经网络(Convolutional Long Short-Term Deep Neural Networks, CLDNN)。将预处理的数据集通过CNN对信号进行空间特征提取,再通过LSTM模块对数据集进行时间特征提取,最后通过全连接层对数据集分类。实验结果表明,CLDNN模型相对于主流使用的残差网络(Residual Network, ResNet)模型、CNN模型等在性能上有显著的提高,在信噪比为30 dB时保持93.09%的高效识别,在信噪比为-10 dB时,实现54.32%的有效识别。 展开更多
关键词 调制方式识别 深度学习网络 长短时记忆网络 时间特征提取
下载PDF
基于深度语义匹配的不完整多模态数据融合算法分析
3
作者 夏之罡 陆文彪 +1 位作者 叶盛 王骏永 《电子技术（上海）》 2024年第3期246-247,共2页
阐述针对深度学习网络中深层语义特性的分析,提出不完整多模态数据融合方法,借助多模态的高层语义,构建一个统一的深度学习模型,既可以融合模态私有深度网络,又可以共享模态特征。
关键词 深度学习网络 多模态数据 智能算法
原文传递
基于深度学习网络的光纤通信网络信道均衡方法 被引量：3
4
作者 谭荣华 王俊 《激光杂志》 CAS 北大核心 2023年第10期157-161,共5页
为克服由传输信道的非线性以及多径效应引起的符号间干扰,利用深度学习网络优化设计光纤通信网络信道均衡方法。在光纤通信原理的支持下,构建光纤通信网络信道模型。利用深度学习网络估计通信网络信道负载与运行状态,在信道容量的约束下... 为克服由传输信道的非线性以及多径效应引起的符号间干扰,利用深度学习网络优化设计光纤通信网络信道均衡方法。在光纤通信原理的支持下,构建光纤通信网络信道模型。利用深度学习网络估计通信网络信道负载与运行状态,在信道容量的约束下,利用装设的通信网络信道均衡器实现信道均衡处理功能。通过性能测试得出结论:综合考虑四种不同的干扰环境,通过优化设计信道均衡方法的应用,光纤通信网络信道的最大传输误码率和最大信道间传输能耗偏度分别为1.2%和0.61,均低于预设值。 展开更多
关键词 深度学习网络 光纤通信 通信信道 信道均衡
下载PDF
神经认知语言学“关系网络理论”的多维性探讨
5
作者 陈豪 梁倩 《复旦外国语言文学论丛》 2020年第1期1-10,共10页
本文将以兰姆神经认知语言学"关系网络理论"(RNT)为着眼点,探讨该"网络"构建的神经认知语言体系的多维性,并将其同自然语言处理(NLP)中深度学习基础网络的多维性相比较。本文将从以下几个方面展开讨论:1)关系网络... 本文将以兰姆神经认知语言学"关系网络理论"(RNT)为着眼点,探讨该"网络"构建的神经认知语言体系的多维性,并将其同自然语言处理(NLP)中深度学习基础网络的多维性相比较。本文将从以下几个方面展开讨论:1)关系网络的基本概念;2)关系网络的多维性;3)计算机语言系统多维性探讨(花园幽径句多维性简析);4)深度学习基础网络的多维性在关系网络中的体现等。本文认为,RNT作为具有跨学科属性的研究对象能更好地突破存于神经生物学和计算语言学之间的壁垒,对其多维性的思考将为语言网络观提供一个全新的视角。 展开更多
关键词 神经认知语言学 自然语言处理 关系网络理论 语言网络观 深度学习网络
原文传递
基于深度学习网络的信号识别研究
6
作者 韩璐 《舰船电子工程》 2021年第11期58-60,88,共4页
针对多径衰落信道下的信号识别问题,提出了一种基于深度学习网络(DLN)的深度学习架构。建立基于能量自然对数模型,模型是通过隐藏层重建的。DLN网络分别通过幅度隐藏网络、相位隐藏网络和频率隐藏网络进行信号识别。这些隐藏网络提取了... 针对多径衰落信道下的信号识别问题,提出了一种基于深度学习网络(DLN)的深度学习架构。建立基于能量自然对数模型,模型是通过隐藏层重建的。DLN网络分别通过幅度隐藏网络、相位隐藏网络和频率隐藏网络进行信号识别。这些隐藏网络提取了一个或多个通信信号的特征,以降低通信系统的误码率(BER)。通过理论证明,所提出的DLN通过幅值加权子网络、相位加权子网络和频率加权子网络,能够有效地降低BER。仿真结果表明,与传统算法相比,该网络在相同训练序列和信噪比(SNR)的情况下,对信号的识别具有更低的BER。 展开更多
关键词 信号识别 深度学习网络 误码率
下载PDF
进程择优法及在心音深度信任网络中的应用 被引量：5
7
作者 成谢锋 杨贺 +3 位作者 马勇 张学军 张少白 王悦 《计算机学报》 EI CSCD 北大核心 2018年第1期208-220,共13页
深度学习算法因其在自然环境下对大数据处理的优良特性已成为图像、语音识别方面的主流算法.为解决深度学习网络结构选择困难的问题,文中深入探究了深度学习网络的结构特性,提出了一种进程择优法来帮助深度学习网络结构的选择,可方便、... 深度学习算法因其在自然环境下对大数据处理的优良特性已成为图像、语音识别方面的主流算法.为解决深度学习网络结构选择困难的问题,文中深入探究了深度学习网络的结构特性,提出了一种进程择优法来帮助深度学习网络结构的选择,可方便、快速地给出深度学习网络的优选范围.经实验验证,此方法在多种数据库下都有良好效果,方法具有一定的普适性.而心音作为一种生理信号,反映了人体心脏的跳动情况,与人体心脏的健康息息相关,在心音分类识别、健康鉴定中得到广泛的应用.文中首先使用进程择优法来优选、构建出一种心音深度学习网络,再以心音深度学习网络为核心,加入BP神经网络作为分类器,设计出了一种心音深度信任网络.该网络相比同类其它层次结构的深度信任网络拥有更低的误识别率,平均误识别率在10%左右.特别是将原系统优化为融合心音能量特征输入的心音深度信任网,其平均误识别率可下降到3%.文中的研究对于提高心音识别算法在自然环境下处理数据的能力具有积极的意义. 展开更多
关键词 深度学习算法 进程择优法 心音 心音深度学习网络 心音深度信任网络
下载PDF
基于改进EfficientDet网络的疲劳驾驶状态检测方法 被引量：4
8
作者 宋巍 张光德 《汽车安全与节能学报》 CAS CSCD 北大核心 2022年第4期651-658,共8页
为提高对司机疲劳驾驶状态视觉检测的精度和效率,降低硬件配置需求,提出了一种基于改进的EfficientDet深度学习网络的疲劳驾驶状态视觉检测方法。用深度可分离卷积和视觉注意力机制,来构建EfficientDet驾驶员面部图像特征提取网络;用双... 为提高对司机疲劳驾驶状态视觉检测的精度和效率,降低硬件配置需求,提出了一种基于改进的EfficientDet深度学习网络的疲劳驾驶状态视觉检测方法。用深度可分离卷积和视觉注意力机制,来构建EfficientDet驾驶员面部图像特征提取网络;用双向特征金字塔网络和k-means先验框聚类方法,来构建EfficientDet驾驶员状态检测网络;采用Perclos瞌睡程度度量指数,来判定驾驶员疲劳状态;对比分析了3种不同深度、不同宽度、不同分辨率大小的改进EfficientDet模型以及YOLO V3、Faster-RCNN模型检测效果。结果表明:在这些方案中,EfficientDet-D2模型检测效果最佳,其平均精度97.92%,召回率96.75%,误检率低于2.39%,漏检率低于1.78%。 展开更多
关键词 深度学习 图像识别 疲劳驾驶 状态检测 改进的EfficientDet深度学习网络
下载PDF
基于深度学习的台区线损分析方法 被引量：53
9
作者 钟小强 陈杰 +1 位作者 蒋敏敏 郑晓晖 《电网技术》 EI CSCD 北大核心 2020年第2期769-774,共6页
该文提出了一种基于深度学习技术的台区线损分析方法。首先,构建了基于门控循环单元的多层网络结构。然后,结合多个维度的台区电气特征参数作为输入进行训练,获得了相应的深度学习线损率计算模型。最后,基于若干小区的实测数据,验证了... 该文提出了一种基于深度学习技术的台区线损分析方法。首先,构建了基于门控循环单元的多层网络结构。然后,结合多个维度的台区电气特征参数作为输入进行训练,获得了相应的深度学习线损率计算模型。最后,基于若干小区的实测数据,验证了所提方法的有效性。实验结果表明,与已有文献中采用反向传播(back propagation,BP)神经网络预测方法相比,所提方法具有更优的线损预测精度和计算效率,可以分别获得10.7%和25.5%的性能提升。 展开更多
关键词 深度学习网络 门控循环单元 预测模型 台区线损计算
下载PDF
非负约束自动编码器在电缆早期故障识别中的应用 被引量：24
10
作者 邵宝珠 李胜辉 +2 位作者 白雪 黄旭龙 杨晓梅 《电力系统保护与控制》 EI CSCD 北大核心 2019年第2期16-23,共8页
电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE... 电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE)堆叠形成的深度学习(Deep learning, DL)网络应用于电缆早期故障识别中。为了提高DL网络的学习效率,首先对故障相电流进行平稳小波变换,提取出一些具有相关性、冗余性的统计量、能量熵和信息熵等作为初级特征,其次堆叠多个NCAE构建出DL网络,通过预训练和微调机制,从初级特征中获得更易于早期故障分类识别的有效特征,最后利用Softmax分类器从正常状态和其他扰动信号中识别出早期故障。利用电缆电流仿真数据进行实验,结果表明与传统模式识别方法相比,所提方法识别准确率更高。 展开更多
关键词 电缆早期故障识别 SWT变换 非负约束自动编码器 深度学习网络
下载PDF
一种基于深度学习的多聚焦图像融合算法 被引量：20
11
作者 陈清江 李毅 柴昱洲 《激光与光电子学进展》 CSCD 北大核心 2018年第7期240-248,共9页
针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正... 针对深度学习在计算机视觉上的良好表现,提出一种基于深度学习的多聚焦图像融合算法,在原有的AlexNet网络模型基础上改进了卷积核大小、步长等;利用改进后的深度学习网络特有的得分机制分类了聚焦图像块与散焦图像块;使用矫正矩阵矫正了误判图像块,并细分、修复了融合后的图像聚焦与散焦分界区域,得到了融合图像;选取6组多聚焦图像验证了本文算法的有效性。实验结果表明:与其他算法相比,运用本文算法进行图像融合,能够保存较多的图像原始高频信息,并在互信息、边缘信息保持度、平均梯度和熵等评价指标上取得了较好的表现。 展开更多
关键词 图像处理 多聚焦图像融合 深度学习网络 矫正矩阵 图像块分类 边界修复
原文传递
基于边缘嵌入深度学习的非侵入式负荷分解方法 被引量：16
12
作者 刘耀先 孙毅 +1 位作者 李彬 黄婷 《电网技术》 EI CSCD 北大核心 2019年第12期4329-4336,共8页
随着国家电网提出了"三型两网、世界一流"的战略目标,用户内部设备负荷信息的感知与获取在泛在电力物联网建设、推进过程中具有至关重要的地位,而非侵入式负荷分解技术使深度挖掘用户内部数据、获取家庭设备负荷信息成为可能... 随着国家电网提出了"三型两网、世界一流"的战略目标,用户内部设备负荷信息的感知与获取在泛在电力物联网建设、推进过程中具有至关重要的地位,而非侵入式负荷分解技术使深度挖掘用户内部数据、获取家庭设备负荷信息成为可能,也是电网提升用户信息价值的必要前提。为此,首先通过改进的迭代K-Medoids算法,提高电器设备负荷聚类结果的稳定性与实用性,并将设备状态信息输入隐马尔可夫模型(hidden Markov model,HMM)生成模型训练数据。之后构建了一种基于多序列到点与时间信息编码的深度学习网络,利用双向门控循环单元网络挖掘分解时间点与前多序列之间的时间关联特征,联结时间标记编码特征,输入全连通网络进行特征解码实现深度学习网络模型的训练,挖掘家庭设备状态与负荷时间信息间的深层潜在关系。训练得到的深度学习网络模型嵌入至边缘节点中实现用户终端的本地化负荷分解。最后,利用真实公开数据集Ampds对所提方法的有效性进行了验证,结果表明基于边缘嵌入深度学习的非侵入式负荷分解方法与现有负荷分解方法相比具有明显优越性。 展开更多
关键词 非侵入式负荷分解 电器状态提取 边缘嵌入 深度学习网络 多序列到点
下载PDF
基于声信号分析的开关柜局部放电检测算法研究 被引量：14
13
作者 唐云辉 胡曦琳 《电子器件》 CAS 北大核心 2018年第3期644-648,共5页
有效检测高压开关柜故障是影响电网安全的因素之一。早期基于超声波检测的方法,存在设备昂贵,有效检测范围小的问题。为此,提出一种基于语谱特征的开关柜局部放电检测算法。算法首先计算放电声信号的语谱图,然后计算其2阶归一化中心矩;... 有效检测高压开关柜故障是影响电网安全的因素之一。早期基于超声波检测的方法,存在设备昂贵,有效检测范围小的问题。为此,提出一种基于语谱特征的开关柜局部放电检测算法。算法首先计算放电声信号的语谱图,然后计算其2阶归一化中心矩;并以此为特征,构建自编码深度学习网络,并通过稀疏化处理提高模型的识别能力。在开关柜局部放电检测实验中,所提的语谱特征有助于改善故障检测效率。相比于基于美尔倒谱特征的算法,放电检测识别率提高2.5%。结合深度学习网络算法后,识别率能达到99.8%。 展开更多
关键词 局部放电 语谱图 深度学习网络 美尔倒谱特征
下载PDF
基于灰狼算法优化深度学习网络的网络流量预测 被引量：12
14
作者 张志宏 刘传领 《吉林大学学报（理学版）》 CAS 北大核心 2021年第3期619-626,共8页
针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引... 针对深度学习网络在网络流量预测建模过程中的参数优化难题,以改善网络流量预测结果为目标,提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型.首先,收集网络流量历史数据,并对数据进行相空间重构、归一化等预处理;其次,引入灰狼算法快速搜索到全局最优深度学习网络的相关参数,并根据最优参数对预处理后的网络流量历史数据进行学习,建立能挖掘网络流量历史数据变化规律的预测模型;最后,与其他算法优化深度学习网络的网络流量预测模型进行对比分析.实验结果表明,基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%,远高于其他对比模型,且预测建模过程的建模时间少于对比模型,可满足网络流量管理的高精度和实时性要求. 展开更多
关键词 现代网络 改进灰狼算法 相空间重构 历史样本数据 深度学习网络 全局最优参数
下载PDF
基于深度学习网络的风电场功率短期预测研究 被引量：10
15
作者 潘志刚 刘三明 +2 位作者 李莹 朱晓伟 杨阳 《科技与创新》 2015年第19期4-6,共3页
对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度。以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法。首先对数值天气预报(Numerica... 对风电功率进行有效预测能够减少风电接入对电网的不良影响,利于电网调度。以上海某风场为对象,基于深度学习网络建立了功率智能预测的模型,并对该模型的实用性进行探讨,以探究预测精度更高的功率预测方法。首先对数值天气预报(Numerical Weather Prediction,NWP)数据和风电场数据进行分析处理,然后基于深度学习网络建立数值天气预报数据的校正模型,并仿真该模型,将计算得到校正后的数值天气预报数据作为功率输出模型的输入参数,最后基于深度学习网络建立考虑风速、风向、温度、气压和历史功率的风机功率输出模型,并仿真该模型,预测24 h内各风机的有功输出情况。预测过程和结果显示,基于深度学习网络的智能功率预测模型能够提高短期功率预测的精度,且基于深度学习网络的数值天气预报校正能有效修正模型的输入误差。 展开更多
关键词 风电场 数值天气预报 功率预测 深度学习网
下载PDF
电缆终端红外图像过热区域提取方法 被引量：7
16
作者 夏湛然 杨斌 +3 位作者 郭浩然 徐小冰 周文俊 周承科 《电力科学与技术学报》 CAS 北大核心 2022年第2期12-21,共10页
红外图像中异常发热区域的准确提取是实现电气设备热状态智能诊断的重要前提。针对电缆终端,本文提出一种红外图像过热区域提取方法。首先,利用基于最大后验概率估计的自适应小波阈值去噪方法滤除噪声,改善图像质量;然后,通过深度学习... 红外图像中异常发热区域的准确提取是实现电气设备热状态智能诊断的重要前提。针对电缆终端,本文提出一种红外图像过热区域提取方法。首先,利用基于最大后验概率估计的自适应小波阈值去噪方法滤除噪声,改善图像质量;然后,通过深度学习网络在图像中识别并定位出电缆终端,滤除干扰信息;最后,利用均值漂移算法实现像素点聚类,基于聚类结果提取出异常发热区域。以巡检拍摄的电缆终端红外图像作为测试样本,结果表明,该方法适用于不同拍摄背景以及不同拍摄角度的红外图像,在识别并定位出电缆终端后,能够准确提取其过热区域,且相较于现有的一些方法,所提方法的效率和准确率均更高。 展开更多
关键词 电缆终端 红外图像 深度学习网络 均值漂移算法 过热区域
下载PDF
基于深度学习网络的物联网非法入侵识别研究 被引量：7
17
作者 张娅 《微电子学与计算机》 北大核心 2020年第6期75-78,共4页
为了获得理想的物联网非法入侵自动识别结果,提出基于深度学习网络的物联网非法入侵自动识别方法.首先采用物联网非法入侵的数据,并从中提取数据的异常入侵行为特征,然后将特征作为深度学习网络的输入,物联网非法入侵类型为作为输出,通... 为了获得理想的物联网非法入侵自动识别结果,提出基于深度学习网络的物联网非法入侵自动识别方法.首先采用物联网非法入侵的数据,并从中提取数据的异常入侵行为特征,然后将特征作为深度学习网络的输入,物联网非法入侵类型为作为输出,通过深度学习网络的训练建立物联网非法入侵识别分类器,最后与其它方法进行了物联网非法入侵识别仿真实验,结果表明,深度学习网络获得了高精度的物联网入侵行为识别结果,能够有效保证物联网安全,具有一定的实际应用价值. 展开更多
关键词 深度学习网络 物联网案例 非法入侵 行为识别 特征向量
下载PDF
SwinEA:融合边缘感知的医学图像分割网络 被引量：2
18
作者 叶晋豫 李娇 +2 位作者 邓红霞 张瑞欣 李海芳 《计算机工程与设计》 北大核心 2024年第4期1149-1156,共8页
基于卷积神经网络的方法在医学图像分割任务中取得了显著成果,但该方法固有的归纳偏置使其不能很好地学习全局和长距离的语义信息交互,而Transformer的优势是关注全局信息,两者可以优势互补。因此提出一种针对分割边缘利用Swin Transfor... 基于卷积神经网络的方法在医学图像分割任务中取得了显著成果,但该方法固有的归纳偏置使其不能很好地学习全局和长距离的语义信息交互,而Transformer的优势是关注全局信息,两者可以优势互补。因此提出一种针对分割边缘利用Swin Transformer融合边缘感知的医学图像分割网络。设计基于上下文金字塔的边缘感知模块,用于融合全局的多尺度的上下文信息,针对边缘和角落等局部特征,利用浅层深度主干的特征产生丰富的边缘特征,因此提出的边缘感知模块可以尽可能多地产生边缘特征。在腹部多器官分割任务和心脏分割数据集的实验结果表明,该方法在各项指标中都有所提高。 展开更多
关键词 医学图像分割 移动窗口变形器 多头自注意力 边缘感知模块 上下文金字塔 多尺度特征 深度学习网络
下载PDF
基于深度学习网络的地震地质灾害识别研究——以四川九寨沟7.0级地震为例 被引量：6
19
作者 肖本夫 吴今生 +3 位作者 毛利 顾铁 梁远玲 代友林 《震灾防御技术》 CSCD 北大核心 2021年第4期617-624,共8页
遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2... 遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F_(1)分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。 展开更多
关键词 深度学习网络 地质灾害 deepLabv3+ 图像语义分割 九寨沟7.0级地震
下载PDF
视频中多特征融合人体姿态跟踪 被引量：6
20
作者 马淼 李贻斌 +2 位作者 武宪青 高金凤 潘海鹏 《中国图象图形学报》 CSCD 北大核心 2020年第7期1459-1472,共14页
目的目前已有的人体姿态跟踪算法的跟踪精度仍有待提高,特别是对灵活运动的手臂部位的跟踪。为提高人体姿态的跟踪精度,本文首次提出一种将视觉时空信息与深度学习网络相结合的人体姿态跟踪方法。方法在人体姿态跟踪过程中,利用视频时... 目的目前已有的人体姿态跟踪算法的跟踪精度仍有待提高,特别是对灵活运动的手臂部位的跟踪。为提高人体姿态的跟踪精度,本文首次提出一种将视觉时空信息与深度学习网络相结合的人体姿态跟踪方法。方法在人体姿态跟踪过程中,利用视频时间信息计算出人体目标区域的运动信息,使用运动信息对人体部位姿态模型在帧间传递;考虑到基于图像空间特征的方法对形态较为固定的人体部位如躯干和头部能够较好地检测,而对手臂的检测效果较差,构造并训练一种轻量级的深度学习网络,用于生成人体手臂部位的附加候选样本;利用深度学习网络生成手臂特征一致性概率图,与视频空间信息结合计算得到最优部位姿态,并将各部位重组为完整人体姿态跟踪结果。结果使用两个具有挑战性的人体姿态跟踪数据集Video Pose2.0和You Tube Pose对本文算法进行验证,得到的手臂关节点平均跟踪精度分别为81.4%和84.5%,与现有方法相比有明显提高;此外,通过在VideoPose2.0数据集上的实验,验证了本文提出的对下臂附加采样的算法和手臂特征一致性计算的算法能够有效提高人体姿态关节点的跟踪精度。结论提出的结合时空信息与深度学习网络的人体姿态跟踪方法能够有效提高人体姿态跟踪的精度,特别是对灵活运动的人体姿态下臂关节点的跟踪精度有显著提高。 展开更多
关键词 人体姿态跟踪 视觉目标跟踪 人机交互 深度学习网络 关节点概率图
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 2 … 8 下一页 到第 页
使用帮助 返回顶部