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5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：
改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用 被引量：41
1
作者 冉鹏 王灵 +1 位作者 李昕 刘鹏伟 《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2018年第3期352-366,共15页
提出了一种有效的特征学习方法,构建了9层结构的卷积神经网络,利用Softmax回归算法进行人脸分类识别.卷积神经网络在输出层利用改进的Softmax进行分类,在隐藏层采用修正线性单元作为激活函数,并在网络中加入局部响应归一化处理,有效避... 提出了一种有效的特征学习方法,构建了9层结构的卷积神经网络,利用Softmax回归算法进行人脸分类识别.卷积神经网络在输出层利用改进的Softmax进行分类,在隐藏层采用修正线性单元作为激活函数,并在网络中加入局部响应归一化处理,有效避免了梯度消失问题.利用大量人脸图像数据对网络进行预训练,得到较好的网络初始权重.在针对YALE,FERET,LFW-A等人脸数据库进行人脸识别实验中,与现有的几种人脸识别方法 SDAEs,RRC,MPCRC,CRC,SRC等进行对比表明,该方法在各人脸数据库的识别中均得到较高的识别率. 展开更多
关键词 卷积神经网络 线性修正单元 局部响应归一化 人脸识别
在线阅读 下载PDF
联合迁移学习和自适应学习率的苹果成熟度识别 被引量：5
2
作者 袁明新 于洪涛 +2 位作者 江亚峰 王琪 申燚 《中国农机化学报》 北大核心 2019年第11期131-135,共5页
针对目前用于苹果成熟度识别的卷积神经网络存在训练时间长,训练样本多的不足,提出了联合迁移学习和自适应学习率的识别方法。首先,选用结构较小的VGG-F模型作为预训练模型;然后在VGG-F模型的训练过程中融入局部响应归一化的数据预处理... 针对目前用于苹果成熟度识别的卷积神经网络存在训练时间长,训练样本多的不足,提出了联合迁移学习和自适应学习率的识别方法。首先,选用结构较小的VGG-F模型作为预训练模型;然后在VGG-F模型的训练过程中融入局部响应归一化的数据预处理、以函数损失为依据的学习率自适应调整和优选动量值的三种训练策略;最后将已构建的图像样本用于调整后的模型进行重训练和测试。实验结果表明,相比于基本VGG-F模型、具有深层结构的VGG-16和VGG-19模型,文中提出的模型将平均识别准确率分别提高7.5%、6.33%和4.5%,且重训练时间远少于其他三种模型,从而验证了文中方法在解决苹果成熟度识别问题时具有训练成本低和识别准确率高的优势。 展开更多
关键词 苹果成熟度 VGG-F模型 迁移学习 动态学习率 局部响应归一化
在线阅读 下载PDF
全卷积神经网络的字符级文本分类方法 被引量：11
3
作者 张曼 夏战国 +1 位作者 刘兵 周勇 《计算机工程与应用》 CSCD 北大核心 2020年第5期166-172,共7页
传统卷积神经网络文本分类模型全连接层参数过多易引发过拟合问题,为此,将图像分割中的全卷积思想首次引入字符级文本分类任务中,不仅避免了过拟合问题,而且通过卷积层替换全连接层减少了参数数量,从而加快了模型收敛速度。文本分类问... 传统卷积神经网络文本分类模型全连接层参数过多易引发过拟合问题,为此,将图像分割中的全卷积思想首次引入字符级文本分类任务中,不仅避免了过拟合问题,而且通过卷积层替换全连接层减少了参数数量,从而加快了模型收敛速度。文本分类问题中单词、短语等层面的处理方式存在获取文本信息不充分的问题。使用字符级全卷积神经网络进行文本分类,充分获取文本信息,并在卷积池化层后添加局部响应归一化层(LRN),提高了模型的总体性能。通过使用多指标在测试数据集中进行模型评估,充分验证了该模型的有效性,与其他模型相比,提出的模型在二分类与多分类任务中具有更好的分类性能。 展开更多
关键词 文本分类 全卷积神经网络 字符级 局部响应归一化层(LRN) 特征提取
在线阅读 下载PDF
基于多通道图像深度学习的恶意代码检测 被引量：16
4
作者 蒋考林 白玮 +3 位作者 张磊 陈军 潘志松 郭世泽 《计算机应用》 CSCD 北大核心 2021年第4期1142-1147,共6页
现有基于深度学习的恶意代码检测方法存在深层次特征提取能力偏弱、模型相对复杂、模型泛化能力不足等问题。同时,代码复用现象在同一类恶意样本中大量存在,而代码复用会导致代码的视觉特征相似,这种相似性可以被用来进行恶意代码检测... 现有基于深度学习的恶意代码检测方法存在深层次特征提取能力偏弱、模型相对复杂、模型泛化能力不足等问题。同时,代码复用现象在同一类恶意样本中大量存在,而代码复用会导致代码的视觉特征相似,这种相似性可以被用来进行恶意代码检测。因此,提出一种基于多通道图像视觉特征和AlexNet神经网络的恶意代码检测方法。该方法首先将待检测的代码转化为多通道图像,然后利用AlexNet神经网络提取其彩色纹理特征并对这些特征进行分类从而检测出可能的恶意代码;同时通过综合运用多通道图像特征提取、局部响应归一化(LRN)等技术,在有效降低模型复杂度的基础上提升了模型的泛化能力。利用均衡处理后的Malimg数据集进行测试,结果显示该方法的平均分类准确率达到97.8%;相较于VGGNet方法在准确率上提升了1.8%,在检测效率上提升了60.2%。实验结果表明,多通道图像彩色纹理特征能较好地反映恶意代码的类别信息,AlexNet神经网络相对简单的结构能有效地提升检测效率,而局部响应归一化能提升模型的泛化能力与检测效果。 展开更多
关键词 多通道图像 彩色纹理特征 恶意代码 深度学习 局部响应归一化
在线阅读 下载PDF
改进的LeNet-5网络在图像分类中的研究 被引量：4
5
作者 陈恩志 王春阳 +1 位作者 李晨晨 吴夏铭 《长春理工大学学报（自然科学版）》 2022年第5期74-79,共6页
LeNet-5卷积神经网络(LeNet-5 Convolutional Neural Network)虽然在手写数字识别中取得了不错的成绩,但是对具有复杂纹理特征的图像进行分类时准确率不高。针对LeNet-5网络对低层次特征利用率较低的问题,引入跨连结构,将第1个池化层和... LeNet-5卷积神经网络(LeNet-5 Convolutional Neural Network)虽然在手写数字识别中取得了不错的成绩,但是对具有复杂纹理特征的图像进行分类时准确率不高。针对LeNet-5网络对低层次特征利用率较低的问题,引入跨连结构,将第1个池化层和第2个池化层向后传播的同时与第2个全连接层相连,充分地利用网络提取的低层次特征。针对LeNet-5网络泛化能力低的问题,采用重叠池化并在后面加上局部响应归一化操作,提高网络的泛化能力。在Fer2013、Cifar-10和Fashion-MNIST数据集上进行的实验结果表明,与LeNet-5卷积神经网络相比,改进的LeNet-5卷积神经网络在复杂纹理特征数据集上表现出了更好的分类能力。 展开更多
关键词 卷积神经网络 图像分类 局部响应归一化 过拟合
在线阅读 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 下一页 到第 页
使用帮助 返回顶部