融合密集卷积与空间转换网络的手势识别方法 被引量：12

1

作者 马杰 张绣丹 +1 位作者 杨楠 田亚蕾 《电子与信息学报》 EI CSCD 北大核心 2018年第4期951-956,共6页

手势识别作为人机交互的方式之一,在人工智能日益发展的今天备受瞩目。针对手势旋转、平移、缩放等形变导致识别率偏低的问题,该文基于密集卷积网络(Densenet)与空间转换网络(STN)提出了一种新型的网络结构Densenet_V2,先利用空间转换... 手势识别作为人机交互的方式之一,在人工智能日益发展的今天备受瞩目。针对手势旋转、平移、缩放等形变导致识别率偏低的问题,该文基于密集卷积网络(Densenet)与空间转换网络(STN)提出了一种新型的网络结构Densenet_V2,先利用空间转换网络对输入的样本和特征图进行空间变换和对齐,再利用密集卷积网络自动提取手势的有效特征,最后通过线性分类器对手势进行分类。为防止网络模型对样本数据集过度拟合,对网络进行训练时在损失函数中加入L2正则项以实现权重衰减。在Marcel手势库上进行多次实验。实验结果表明,Densenet_V2可以提高对静态形变手势的识别率。 展开更多

关键词 手势识别 形变 密集卷积网络 空间转换网络 L2正则项

下载PDF 职称材料

基于MTF可视化和改进DenseNet神经网络的电能质量扰动识别算法

2

作者 时帅 陈子文 +3 位作者 黄冬梅 贺琪 孙园 胡伟 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第4期102-111,共10页

针对传统电能质量扰动(power quality disturbances,PQDs)分类器人工选取特征过程复杂、精细化程度不足的问题,提出一种基于马尔科夫迁移场(Markov translate filed,MTF)可视化和改进密集卷积网络(dense convolu-tional networks,DenseN... 针对传统电能质量扰动(power quality disturbances,PQDs)分类器人工选取特征过程复杂、精细化程度不足的问题,提出一种基于马尔科夫迁移场(Markov translate filed,MTF)可视化和改进密集卷积网络(dense convolu-tional networks,DenseNet)的PQDs识别新方法。首先将一维PQD信号经MTF映射为二维图像,接着将图像输入到具有新型通道注意力机制的改进DenseNet中,最后训练网络自行从海量样本中提取特征,实现PQDs信号的正确识别。算例结果表明:在无噪声和信噪比为20、30 dB情况下,所提改进DenseNet能有效克服传统方法中主观性强、抗噪性能差等特征缺点,可以更好地提取复合PQD特征信息,对复合PQD识别率高。 展开更多

关键词 电能质量扰动 马尔科夫迁移场 可视化 密集卷积网络 通道注意力机制 分类识别

下载PDF 职称材料

多尺度特征融合ESRGAN的岩石显微图像超分辨研究

3

作者 朱联祥 仝文东 +1 位作者 牛文煜 邵浩杰 《计算机技术与发展》 2023年第7期55-60,74,共7页

岩石显微图像可以反映油气藏的分布情况,对石油勘探等行业具有很高的应用价值。针对岩石显微图像在超分辨处理时存在岩石特性模糊、分辨率低、丢失细节信息等问题,基于ESRGAN和多尺度特征融合,对网络结构进行优化,在ESRGAN的RRDB块中加... 岩石显微图像可以反映油气藏的分布情况,对石油勘探等行业具有很高的应用价值。针对岩石显微图像在超分辨处理时存在岩石特性模糊、分辨率低、丢失细节信息等问题,基于ESRGAN和多尺度特征融合,对网络结构进行优化,在ESRGAN的RRDB块中加入多尺度特征融合方法,提出一种岩石显微图像超分辨率重建算法。采用DRSRD1_2D岩石显微图像数据集进行4倍超分辨重建实验,通过峰值信噪比(PSNR)、结构相似性(SSIM)及感知系数(PI)对重建结果进行评价,并将所提算法与SRGAN、SFT-GAN、ESRGAN方法进行对比。结果表明:在碳酸岩数据集上,该算法的三项指标在几种算法中均为最优;在砂岩数据集上,该算法的PSNR和PI指标最优,SSIM则为次优。此外,该算法在视觉效果上也有着良好表现,能更好地表达图像的细节特征。 展开更多

关键词 岩石显微图像 深度学习 超分辨率重建 生成对抗网络 密集卷积网络 多尺度特征融合

下载PDF 职称材料

基于生成式对抗网络的图像超分辨率重建算法 被引量：12

4

作者 姜玉宁 李劲华 赵俊莉 《计算机工程》 CAS CSCD 北大核心 2021年第3期249-255,共7页

针对传统图像超分辨率重建算法存在网络训练困难与生成图像存在伪影的问题,提出一种利用生成式对抗网络的超分辨率重建算法。去除生成式对抗网络的批量归一化层降低计算复杂度,将其中的残差块替换为密集残差块构成生成网络,使用VGG19网... 针对传统图像超分辨率重建算法存在网络训练困难与生成图像存在伪影的问题,提出一种利用生成式对抗网络的超分辨率重建算法。去除生成式对抗网络的批量归一化层降低计算复杂度,将其中的残差块替换为密集残差块构成生成网络,使用VGG19网络作为判别网络的基础框架,以全局平均池化代替全连接层防止过拟合,引入纹理损失函数、感知损失函数、对抗损失函数和内容损失函数构成生成器的总目标函数,利用纹理损失增强局部信息匹配度,采用激活层前的特征信息计算感知损失获取更多细节特征,使用WGAN-GP理论优化网络模型的对抗损失加速收敛,运用内容损失提升图像低频信息的准确性。实验结果表明,该算法重建图像的平均峰值信噪比为27.97 dB,平均结构相似性为0.777,与SRGAN和EDSR等算法相比,其在未延长较多运行时间的情况下,重建结果的纹理细节更清晰且亮度信息更准确,更符合视觉感官评价要求。 展开更多

关键词 超分辨率重建 生成式对抗网络 密集卷积网络 纹理损失 梯度惩罚Wasserstein生成式对抗网络

下载PDF 职称材料

时域注意力Dense-TCNs在多模手势识别中的应用 被引量：4

5

作者 张毅 赵杰煜 +1 位作者 王翀 郑烨 《计算机工程》 CAS CSCD 北大核心 2020年第9期101-109,共9页

为增强时间卷积网络(TCNs)在时间特征提取方面的能力,提出一种基于三维密集卷积网络与改进TCNs的多模态手势识别方法。通过时空特征表示方法将手势视频分析任务分为空间分析和时间分析两部分。在空间分析中采用三维DenseNets学习短期的... 为增强时间卷积网络(TCNs)在时间特征提取方面的能力,提出一种基于三维密集卷积网络与改进TCNs的多模态手势识别方法。通过时空特征表示方法将手势视频分析任务分为空间分析和时间分析两部分。在空间分析中采用三维DenseNets学习短期的时空特征,在时间分析中使用TCNs提取时间特征。在此基础上引入注意力机制,使用时域维度的压缩-激励网络调整每个TCNs层特征在时间维度上的权值比重。分别在VIVA和NVGesture两个动态手势数据集上对该方法进行评价,实验结果表明,该方法在VIVA数据集上的正确率为91.54%,在NVGesture数据集上的正确率为86.37%,且与最新的MTUT方法水平相近。 展开更多

关键词 手势识别 三维密集卷积网络 时间卷积网络 短时时空特征 注意力机制

下载PDF 职称材料

基于互相关特征图和扩张稠密卷积网络的SFBC-OFDM识别方法 被引量：3

6

作者 张聿远 张立民 闫文君 《系统工程与电子技术》 EI CSCD 北大核心 2021年第9期2657-2664,共8页

针对传统的空频分组码(space-frequency block code,SFBC)识别方法存在人工提取特征困难、低信噪比(signal tOnoise ratio,SNR)下识别准确率低和不适用于非协作通信的问题,提出一种基于互相关特征图和扩张稠密卷积网络的SFBC自动识别方... 针对传统的空频分组码(space-frequency block code,SFBC)识别方法存在人工提取特征困难、低信噪比(signal tOnoise ratio,SNR)下识别准确率低和不适用于非协作通信的问题,提出一种基于互相关特征图和扩张稠密卷积网络的SFBC自动识别方法。首先,计算接收端频域上的互相关函数并进行维度变换,得到二维互相关特征图。然后,对得到的特征图进行预处理以扩大卷积核感受的有效区域,去除图像冗余信息。最后,构建扩张稠密卷积网络以自动提取预处理图像特征,实现SFBC分类识别。仿真结果表明,SNR为-8 dB时,该方法对SFBC信号的识别准确率达到了96.1%。相比于传统算法,该方法具有更好的抗低SNR和特征自提取能力,验证了深度学习方法在SFBC识别领域的有效性,为该领域的后续研究奠定了基础。 展开更多

关键词 非协作通信 空频分组码 互相关特征图 图像预处理 深度学习 扩张稠密卷积网络

下载PDF 职称材料

基于DenseNet-BC网络的皮肤镜下皮肤损伤分割 被引量：9

7

作者 齐永锋 侯璐璐 段友放 《计算机工程与科学》 CSCD 北大核心 2020年第6期1060-1067,共8页

针对皮肤病变图像边界分割不准确的问题,提出了一种改进的稠密卷积网络(DenseNet-BC)皮肤损伤分割算法。首先,改变传统算法层与层之间的连接方式,通过密集连接使得所有层都能直接访问从原始输入信号到损失函数的梯度,让图像特征信息得... 针对皮肤病变图像边界分割不准确的问题,提出了一种改进的稠密卷积网络(DenseNet-BC)皮肤损伤分割算法。首先,改变传统算法层与层之间的连接方式,通过密集连接使得所有层都能直接访问从原始输入信号到损失函数的梯度,让图像特征信息得到最大化的流动。其次,为降低参数数量与网络的计算量,在瓶颈层和过渡层中采用小卷积核对输入特征图的通道数进行减半操作。将DenseNet-BC算法与VGG-16、Inception-v3以及ResNet-50等算法在ISIC 2018 Task 1皮肤病变分割数据集上进行性能比较。实验结果表明,DenseNet-BC算法的病变分割准确率为0.975,Threshold Jaccard为0.835,分割准确率较其他算法提升显著,是一种有效的皮损分割算法。 展开更多

关键词 皮肤镜图像 皮损分割 深度学习 稠密卷积网络

下载PDF 职称材料

N-DenseNet的城市声音事件分类模型 被引量：6

8

作者 曹毅 黄子龙 +2 位作者 张威 刘晨 李巍 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2019年第6期9-16,94,共9页

针对城市声音事件分类领域中现有模型分类准确率不高、泛化能力不强的问题,提出了一种N阶密集卷积神经网络的城市声音事件分类模型。首先,介绍了密集卷积神经网络的结构;其次,基于N阶马尔可夫模型将密集连接改进为N阶有关连接;然后,结... 针对城市声音事件分类领域中现有模型分类准确率不高、泛化能力不强的问题,提出了一种N阶密集卷积神经网络的城市声音事件分类模型。首先,介绍了密集卷积神经网络的结构;其次,基于N阶马尔可夫模型将密集连接改进为N阶有关连接;然后,结合两者提出了一种更适合音频分类的模型--N阶密集卷积神经网络。该模型在避免梯度消失的前提下,有针对性、规律性减少了特征图层之间的连接,更高效地融合了前N特征图层的信息,使得模型的收敛速度更快;最后,为了验证该模型,采用N阶密集卷积神经网络的一阶、二阶子模型,基于UrbanSound8K和Dcase2016数据集开展了城市声音事件分类研究。研究结果表明,其模型准确率分别为83.63%、81.03%,验证了该模型具有良好的分类准确率和泛化能力。 展开更多

关键词 声音事件分类 密集卷积神经网络 N阶马尔可夫模型 N阶密集卷积神经网络

下载PDF 职称材料

基于稠密卷积网络的拉刀磨损在线预测方法 被引量：1

9

作者 张宇 田武郎 +2 位作者 李宝明 郑华东 张顺琦 《计量与测试技术》 2024年第1期24-27,共4页

拉削是汽车制动钳支架槽的重要加工工艺。但加工过程中,若不能及时发现拉刀磨损异常,则会导致零件批量报废。本文提出一种拉刀磨损在线预测方法,采用拉刀信号振动特性,有效区分拉削过程与拉削间隙,并基于稠密卷积网络(DenseNet),构建拉... 拉削是汽车制动钳支架槽的重要加工工艺。但加工过程中,若不能及时发现拉刀磨损异常,则会导致零件批量报废。本文提出一种拉刀磨损在线预测方法,采用拉刀信号振动特性,有效区分拉削过程与拉削间隙,并基于稠密卷积网络(DenseNet),构建拉刀磨损在线识别模型。结果表明:该方法自适应特征提取效果良好,泛化性和准确率均可实现实际加工过程拉刀磨损在线预测,对提高拉削生产效率和降低制造成本具有重要意义。 展开更多

关键词 拉刀磨损在线监测 自适应特征提取 稠密卷积网络 注意力机制

下载PDF 职称材料

基于双通道深度密集特征融合的遥感影像分类 被引量：5

10

作者 张艳月 张宝华 +3 位作者 赵云飞 吕晓琪 谷宇 李建军 《激光技术》 CAS CSCD 北大核心 2021年第1期73-79,共7页

为了提高遥感图像场景分类中特征有效利用率,进而提高遥感影像分类精度,采用基于双通道深度密集特征融合的遥感影像分类方法,进行了理论分析和实验验证。首先通过构建复合密集网络模型,分别提取图像卷积层特征和全连接层特征;然后为挖... 为了提高遥感图像场景分类中特征有效利用率,进而提高遥感影像分类精度,采用基于双通道深度密集特征融合的遥感影像分类方法,进行了理论分析和实验验证。首先通过构建复合密集网络模型,分别提取图像卷积层特征和全连接层特征;然后为挖掘、利用图像深层信息,通过视觉词袋模型将提取的深层卷积层特征进行重组编码,捕获图像深层局部特征;最后采用线性加权方式将局部和全局特征融合、分类。结果表明,选用数据集UC Merced Land-Use和NWPU-RESISC45进行实验,取得的分类精度分别为93.81%和92.62%。该方法充分利用局部特征和全局特征的互补性,能实现图像深层信息的充分利用和表达。 展开更多

关键词 图像处理 遥感图像分类 特征融合 密集网络 视觉词袋模型

下载PDF 职称材料

优化特征提取的多目标交通标志检测方法 被引量：4

11

作者 刘凤 李华 +1 位作者 南方哲 钱育蓉 《计算机工程与设计》 北大核心 2021年第5期1425-1431,共7页

为解决自然场景下检测多个交通标志准确率低、特征提取网络复杂等问题,提出一种基于改进Faster R-CNN的交通标志检测算法。将原算法的特征提取网络替换为更深层的密集卷积网络,充分利用跨层密集连接方式,促进层之间信息流和梯度流的传递... 为解决自然场景下检测多个交通标志准确率低、特征提取网络复杂等问题,提出一种基于改进Faster R-CNN的交通标志检测算法。将原算法的特征提取网络替换为更深层的密集卷积网络,充分利用跨层密集连接方式,促进层之间信息流和梯度流的传递,实现特征复用;利用瓶颈层和过渡层减少特征维度,降低模型的复杂度。与原算法相比,使用该方法的准确率提高了5.8%,参数量减少了约94.2%,实验结果表明,该方法可以提高交通标志的检测精度并降低网络复杂度。 展开更多

关键词 交通标志 特征提取 密集卷积网络 密集连接 特征复用

下载PDF 职称材料

基于DenseNet的散射成像景深拓展研究 被引量：4

12

作者 林昭苏 王杨云逗 +3 位作者 王昊 胡川飞 顾敏 杨晖 《光学学报》 EI CAS CSCD 北大核心 2022年第4期237-240,共4页

散射现象广泛存在于自然界中。透过散射介质的大景深成像在计算成像领域具有重要的意义和应用价值。近年来,随着深度学习在计算成像领域的广泛应用,散射成像系统中的景深问题亟待进一步研究和拓展。以DenseNet为基础,结合UNet框架,建立... 散射现象广泛存在于自然界中。透过散射介质的大景深成像在计算成像领域具有重要的意义和应用价值。近年来,随着深度学习在计算成像领域的广泛应用,散射成像系统中的景深问题亟待进一步研究和拓展。以DenseNet为基础,结合UNet框架,建立了一个具有良好迁移性和景深拓展能力的深度卷积神经网络模型——DUNet。通过使用透过不同目数毛玻璃的散斑图像对网络进行训练,使成像景深拓展至距焦面50 mm处。初步的小鼠脑片实验结果表明,DUNet模型将有望应用于深层组织断层扫描。 展开更多

关键词 光计算 密集卷积网络 散射成像 景深拓展

原文传递

基于密集卷积网络的单目图像深度估计方法 被引量：3

13

作者 王亚群 戴华林 +1 位作者 王丽 李国燕 《计算机工程》 CAS CSCD 北大核心 2021年第11期262-267,291,共7页

为解决目前单目图像深度估计方法存在的精度低、网络结构复杂等问题,提出一种密集卷积网络结构,该网络采用端到端的编码器和解码器结构。编码器引入密集卷积网络DenseNet,将前面每一层的输出作为本层的输入,在加强特征重用和前向传播的... 为解决目前单目图像深度估计方法存在的精度低、网络结构复杂等问题,提出一种密集卷积网络结构,该网络采用端到端的编码器和解码器结构。编码器引入密集卷积网络DenseNet,将前面每一层的输出作为本层的输入,在加强特征重用和前向传播的同时减少参数量和网络计算量,从而避免梯度消失问题发生。解码器结构采用带有空洞卷积的上投影模块和双线性插值模块,以更好地表达由编码器所提取的图像特征,最终得到与输入图像相对应的估计深度图。在NYU Depth V2室内场景深度数据集上进行训练、验证和测试,结果表明,该密集卷积网络结构在δ<1.25时准确率达到0.851,均方根误差低至0.482。 展开更多

关键词 密集卷积网络 单目图像 编码器 解码器 深度估计

下载PDF 职称材料

基于空间变换密集卷积网络的图片敏感文字识别 被引量：1

14

作者 林金朝 蔡元奇 +2 位作者 庞宇 杨鹏 张焱杰 《计算机系统应用》 2020年第1期137-143,共7页

互联网上含有大量多字体混合、形变、拉伸、左右结构字形、倾斜畸变等复杂场景下的敏感文字图片,在处理相关图片过程中存在特征提取难、识别率低的问题.本文提出基于空间变换网络与密集神经网络的方法对图片敏感文字进行特征提取与变换... 互联网上含有大量多字体混合、形变、拉伸、左右结构字形、倾斜畸变等复杂场景下的敏感文字图片,在处理相关图片过程中存在特征提取难、识别率低的问题.本文提出基于空间变换网络与密集神经网络的方法对图片敏感文字进行特征提取与变换矫正,使用了深层双向GRU网络与CTC时域连接网络对序列特征信息进行标记预测,序列化处理文本的方式可较好地提升距离较宽文字与模糊文字信息的处理能力.实验结果表明,本模型在Caffe-OCR中文合成数据集和CTW数据集中分别实现了87.0%和90.3%识别准确率,平均识别时间达到了26.3 ms/图. 展开更多

关键词 密集卷积神经网络 空间变换网络 深度双向门控循环单元 时间联结分类器

下载PDF 职称材料

基于DenseNet睡姿识别的智能枕头设计研究

15

作者 陈嘉锭 周袁 +1 位作者 黄烯梦 柳毅 《智能物联技术》 2023年第6期28-34,共7页

随着失眠问题的蔓延,人们对健康睡眠的重视程度日益增长。智能睡枕作为一种新型的助眠工具,被广泛关注和研究。睡枕高度与睡眠质量密切相关,人在侧卧、平躺不同睡姿下需要不同的枕头高度。为此,本文基于DenseNet睡姿识别提出一款软硬件... 随着失眠问题的蔓延,人们对健康睡眠的重视程度日益增长。智能睡枕作为一种新型的助眠工具,被广泛关注和研究。睡枕高度与睡眠质量密切相关,人在侧卧、平躺不同睡姿下需要不同的枕头高度。为此,本文基于DenseNet睡姿识别提出一款软硬件结合的智能枕头:通过阵列压力传感器采集压力样本,将其处理为热力图图像,接着传入云服务器中利用DenseNet121模型进行训练和预测,最后将信号传输至单片机控制气囊充放气,并于Android应用端生成用户睡眠习惯报告。本产品具有识别准确率高、硬软件结合等特点。 展开更多

关键词 睡姿识别 密集卷积网络 热力图像 智能枕头

下载PDF 职称材料

基于改进DenseNet网络的肺结节检测仿真 被引量：1

16

作者 曹真 谢红薇 +1 位作者 张昊 Faizi Mohammad Khalid 《计算机仿真》 北大核心 2022年第4期459-464,共6页

针对目前基于神经网络的肺结节检测算法存在准确度低、耗时长的问题,提出了一种基于改进DenseNet网络的肺结节检测模型,通过在稠密神经网络的稠密块中采用分组卷积的方式来优化网络结构,减少网络参数的同时丰富了提取图像特征数量,避免... 针对目前基于神经网络的肺结节检测算法存在准确度低、耗时长的问题,提出了一种基于改进DenseNet网络的肺结节检测模型,通过在稠密神经网络的稠密块中采用分组卷积的方式来优化网络结构,减少网络参数的同时丰富了提取图像特征数量,避免卷积过程中梯度消失问题,提高了肺结节检测效率。之后将模型在LIDC-IDRI数据集上进行仿真,从参数量,准确率,AUC值三个方面进行评判仿真。仿真结果表明,与对比的基于深度神经网络的肺结节良检测模型相比,提出的方法提高了神经网络性能,有更高的分类准确率,准确率达到了92.4%。 展开更多

关键词 稠密卷积网络 肺结节 良恶性分类 分组卷积

下载PDF 职称材料

基于分段重标定的稠密卷积神经网络的分带染色体图像类型识别

17

作者 李建明 陈斌 +2 位作者 孙晓飞 冯涛 张跃飞 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2021年第1期122-130,共9页

人类染色体核型分析是诊断遗传疾病的重要手段,染色体图像类型识别是分析过程的关键步骤,准确高效地识别对自动核型分析具有重大意义。本文提出了一种分段重标定的稠密卷积神经网络模型(SRDenseNet),模型各阶段先利用稠密连接的网络层... 人类染色体核型分析是诊断遗传疾病的重要手段,染色体图像类型识别是分析过程的关键步骤,准确高效地识别对自动核型分析具有重大意义。本文提出了一种分段重标定的稠密卷积神经网络模型(SRDenseNet),模型各阶段先利用稠密连接的网络层自动提取染色体不同抽象层次的特征,再用压缩激活(SE)结构对汇集了局部所有特征的层进行特征重标定,对不同特征的重要性显式地构建可学习的结构;提出了一种模型融合方法,构建了染色体识别模型专家组。在国际公开的哥本哈根染色体识别数据集(G显带)上进行了实验验证,该模型的识别错误率仅为1.60%;采用模型融合方法后,识别错误率进一步降低到0.99%。在意大利帕多瓦大学的数据集(Q显带)上,识别错误率为6.67%;模型融合后,进一步降低到5.98%。实验结果表明本文所提方法是有效的,具备实现染色体类型识别自动化的潜力。 展开更多

关键词 染色体识别 稠密卷积神经网络 分段重标定 染色体核型分析

原文传递

多尺度特征融合技术的建筑寿命分析方法

18

作者 王振东 刘思航 《建筑节能（中英文）》 CAS 2021年第12期126-131,共6页

针对传统分析建筑寿命的深度学习目标检测算法计算效率差、检测精度低,提出了一种基于密集卷积网络(Dense convolutional network, DenseNet)的新型多尺度特征融合单点检测算法(Multi-scale Feature fusion One point Detection, MFSOD... 针对传统分析建筑寿命的深度学习目标检测算法计算效率差、检测精度低,提出了一种基于密集卷积网络(Dense convolutional network, DenseNet)的新型多尺度特征融合单点检测算法(Multi-scale Feature fusion One point Detection, MFSOD)。该算法将DenseNet与单激发多盒探测器(Single Shot MultiBox Detector, SSD)算法框架相结合。在骨干网后增加卷积层,实现多尺度特征检测。并设计了特征融合模块,对不同层次的多尺度特征进行融合,在目标检测中引入上下文信息。为了减小噪声的影响,针对空间位置和特征信道的特点,提出了一种基于去噪的多尺度特征融合机制,嵌入到各种特征融合模块结构中,在整个编解码器框架中起到编码器模型的作用。实验结果表明,在数据量为2TB时,相对于支持向量机(Support Vector Machine, SVM)算法模型MFSOD模型的检测精度更高,处理数据效率提高了43%,相关性能更好。 展开更多

关键词 多尺度 特征融合 目标检测 密集卷积网络 编解码器

下载PDF 职称材料

融合DenseNet和注意力机制的永磁定位方法 被引量：1

19

作者 郭鹏飞 戴厚德 +2 位作者 杨千慧 姚瀚晨 黄巧园 《传感器与微系统》 CSCD 北大核心 2024年第2期37-40,共4页

基于永磁体的定位技术为运动跟踪、机器人定位导航和医疗器械跟踪领域提供了一种无线、高精度、低成本的解决方案。为解决基于磁偶极子模型和LM(Levenberg-Marquardt)算法的定位方法过于依赖初始值、计算耗时受限的问题,利用基于磁偶极... 基于永磁体的定位技术为运动跟踪、机器人定位导航和医疗器械跟踪领域提供了一种无线、高精度、低成本的解决方案。为解决基于磁偶极子模型和LM(Levenberg-Marquardt)算法的定位方法过于依赖初始值、计算耗时受限的问题,利用基于磁偶极子模型先验知识的约束条件构造惩罚函数,提出一种融合密集卷积网络(DenseNet)和注意力机制(SE Block)的永磁定位方法。实验结果表明:在48~118 mm的高度范围内,本文方法定位精度可达(1.79±1.05)mm和1.12°±0.53°,平均计算耗时降低至1.6 ms,提升了永磁定位系统计算的速率和稳定性。 展开更多

关键词 磁定位 深度学习 密集卷积网络 注意力机制

下载PDF 职称材料

改进DenseNet的乳腺癌病理图像八分类研究 被引量：3

20

作者 赵晓平 王荣发 +1 位作者 孙中波 魏旭全 《计算机工程与应用》 CSCD 北大核心 2023年第5期213-221,共9页

目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机... 目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机制(attention mecheanism)和焦点损失函数(Focal loss)的乳腺癌组织病理图像的多分类模型,即DAFLNet。DAFLNet在乳腺癌组织病理图像数据集BreaKHis上进行训练、验证与测试,最终实验结果显示,该模型对良恶性二分类的识别准确率达到99.1%,对乳腺亚型八分类的识别准确率达到95.5%。证明在数据不均衡的条件下,DAFLNet模型能够准确地对乳腺组织病理图像进行八分类。 展开更多

关键词 乳腺癌病理图像 denseNet 八分类 注意力机制 Focal loss

下载PDF 职称材料