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389篇文章
< 1 2 … 20 >
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：
基于改进一维卷积神经网络模型的蛋清粉近红外光谱真实性检测
1
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 金永涛 叶文杰 王巧华 马美湖 《食品科学》 北大核心 2025年第6期245-253,共9页
引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均... 引入近红外光谱检测技术,构建改进一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)蛋清粉真实性检测模型。该模型基于1D-CNN模型,无需对光谱数据进行预处理;同时在网络中加入有效通道注意力模块和一维全局平均池化层,提高模型提取光谱特征的能力,减少噪声干扰。结果表明,改进后的EG-1D-CNN模型可判别蛋清粉样本的真伪,对于掺假蛋清粉的检测率可达到97.80%,总准确率(AAR)为98.93%,最低检测限(LLRC)在淀粉、大豆分离蛋白、三聚氰胺、尿素和甘氨酸5种单掺杂物质上分别可达到1%、5%、0.1%、1%、5%,在多掺杂中可达到0.1%~1%,平均检测时间(AATS)可达到0.004 4 s。与传统1D-CNN网络结构及其他改进算法相比,改进后的EG-1D-CNN模型在蛋清粉真实性检测上具有更高精度,检测速度快,且模型占用空间小,更适合部署在嵌入式设备中。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的理论基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 一维卷积神经网络 深度学习
在线阅读 下载PDF
基于一维残差卷积神经网络的Pi2脉动识别模型
2
作者 张怡悦 邹自明 方少峰 《空间科学学报》 北大核心 2025年第1期66-81,共16页
Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,... Pi2脉动是一种不规则的超低频波(Ultra-Low Frequency,ULF),是磁层与电离层耦合的重要瞬态响应,其发生与亚暴爆发有密切的关系.Pi2脉动作为地球磁层中的一种扰动现象,其发生信号隐藏在地磁场分量观测数据中.面对持续增长的观测数据量,如何有效地判断某段地磁场分量观测数据中是否有Pi2脉动发生,是构建Pi2脉动识别模型的关键.利用子午工程磁通门磁力仪观测的地磁场分量数据,基于一维残差卷积神经网络(One-Dimensional Residual Convolutional Neural Network,1D-ResCNN),构建了一个端到端的Pi2脉动识别模型,用于判别某段地磁场分量观测数据中是否有Pi2脉动发生.实验结果表明,该模型与现有公开发表的Pi2脉动机器学习识别模型相比,具有更高的识别准确率和更低的虚报率、漏报率. 展开更多
关键词 Pi2脉动 Pi2脉动识别模型 一维残差卷积神经网络
在线阅读 下载PDF
基于二维卷积神经网络的结构加速度数据异常检测研究
3
作者 麻胜兰 钟建坤 +1 位作者 刘昱昊 郑翔 《建筑科学与工程学报》 北大核心 2025年第1期112-120,共9页
为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果... 为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果表明:提出的结构加速度数据异常检测方法能快速准确区分加速度数据异常类型,异常检测的准确率可达97%以上;对于包含信息复杂、数据规模大的样本,采用4层以上的2D-CNN有助于提高加速度数据异常检测的准确率,采用5层卷积层的2D-CNN对数据异常辨识精度可达98%;当加速度信噪比大于1时,数据异常检测准确率均在90%以上,当加速度信噪比为10时,准确率在97%以上,所提方法具有良好的容噪性和鲁棒性;采用2D-CNN的数据异常检测方法可为传感器网络的有效运行提供技术支持。 展开更多
关键词 结构健康监测 二维卷积神经网络 桁架结构 深度学习 加速度 数据异常检测
在线阅读 下载PDF
基于2D-3D卷积神经网络的情绪识别模型
4
作者 杨朋辉 杨长青 +1 位作者 刘静 崔冬 《燕山大学学报》 北大核心 2025年第1期66-73,共8页
基于脑电信号的情绪识别是人机交互的重要部分,本文将二维卷积神经网络、三维卷积神经网络、深度可分离卷积进行结合,提出一种基于2D-3D卷积神经网络(2-3DCNN)模型,从时间、空间、频率三个方面进行特征提取。在网络中引入SE-ResNet网络... 基于脑电信号的情绪识别是人机交互的重要部分,本文将二维卷积神经网络、三维卷积神经网络、深度可分离卷积进行结合,提出一种基于2D-3D卷积神经网络(2-3DCNN)模型,从时间、空间、频率三个方面进行特征提取。在网络中引入SE-ResNet网络、深度残差收缩网络和Xception网络,挖掘脑电信号中更能显著反映情感变化的空间、时间和频率信息。本文在DEAP公共情感数据集上做性能测试,结果表明,2-3DCNN在唤醒度和效价的两个分类任务上的识别准确率分别达到了97.59%和97.21%,比目前最先进的模型分别高出2.36%和1.34%。 展开更多
关键词 情绪识别 脑电信号 卷积神经网络 深度残差收缩网络 深度可分离卷积
在线阅读 下载PDF
基于卷积神经网络的高层建筑智能控制算法研究
5
作者 刘康生 涂建维 +1 位作者 张家瑞 李召 《重庆大学学报》 北大核心 2025年第1期66-75,共10页
浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑... 浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑智能控制算法,并完成高精度网络模型训练和1D-CNN数据特征可视化;以20层benchmark模型为对象,研究了不同工况下1D-CNN深度学习智能控制算法的减震效果,并与BP(back propagation,BP)和RBF(radial basis function,RBF)等浅层学习进行对比。结果表明,1D-CNN凭借一维卷积和池化特性,可自动提取数据深层次特征并对海量数据进行降维处理;在外界激励作用下,1D-CNN控制器加速度和位移最高减震率分别为69.0%和55.6%,控制性能远高于BP和RBF;改变激励作用后,3种控制器控制性能均有所降低,但1D-CNN性能降幅最小且减震率最高,说明1D-CNN具备更好的泛化性能。 展开更多
关键词 深度学习 一维卷积神经网络 智能控制 数据特征可视化 泛化性能
在线阅读 下载PDF
基于卷积神经网络的高光谱图像分类
6
作者 李子轩 官云兰 +1 位作者 王楠 周世健 《江西科学》 2025年第1期26-35,共10页
近年来,以卷积神经网络为代表的深度学习模型因具有提取高级抽象特征能力而受到研究人员的关注,并在高光谱图像分类中得到广泛应用。针对几种常用的卷积神经网络模型进行对比,分析各模型的优缺点,以Pavia University、Salinas和WHU-Hi-H... 近年来,以卷积神经网络为代表的深度学习模型因具有提取高级抽象特征能力而受到研究人员的关注,并在高光谱图像分类中得到广泛应用。针对几种常用的卷积神经网络模型进行对比,分析各模型的优缺点,以Pavia University、Salinas和WHU-Hi-HongHu数据集为基础开展高光谱图像分类实验。结果表明,3D-CNN和ResNet34在分类精度上优于1D-CNN和2D-CNN,尤其在处理具有复杂空间特征的高光谱数据时表现更为突出。同时,不同数据集对不同模型的响应存在差异,3D-CNN在UP和更复杂的HongHu数据集上表现最好,而ResNet34在SA数据集上具有优势,实践中需要根据数据集特点选用适合的网络模型,进一步开发具有普适性的算法,以取得好的分类效果。 展开更多
关键词 深度学习 高光谱图像分类 卷积神经网络 残差结构
在线阅读 下载PDF
基于近红外光谱数据的一维卷积神经网络模型研究 被引量：3
7
作者 唐杰 罗彦波 +6 位作者 李翔宇 陈云璨 王鹏 卢天 纪晓波 庞永强 朱立军 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第3期731-736,共6页
近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了... 近红外光谱技术已被广泛应用于各种检测行业,但传统方法难以汇集光谱关键信息,导致模型预测误差较大。为减少误差,基于452个茄科植物,以化学成分为目标,探索了一维卷积神经网络(1DCNN)在近红外数据上的回归模型研究。经参数优化,总结了一套兼顾精度与训练效率的1DCNN模型参数,为后续模型研究提供参考。模型测试集的均方根误差为0.02~0.49,平均相对误差为0.8%~1.7%,远小于历史文献。相比传统方法,1DCNN可充分利用全部近红外谱图数据,且建模简单,模型预测能力强。该工作能为近红外光谱相关研究提供新的数据处理思路,也能促进该技术的应用与发展。 展开更多
关键词 一维卷积神经网络 近红外光谱 深度学习
在线阅读 下载PDF
一维卷积神经网络的自编码癫痫发作异常检测模型
8
作者 欧嘉志 詹长安 杨丰 《南方医科大学学报》 CAS CSCD 北大核心 2024年第9期1796-1804,共9页
目的将一维卷积神经网络(1DCNN)作为自编码模型的特征提取网络,利用1DCNN对头皮脑电信号(EEG)局部特征的感知能力来提高自编码模型(AE)在低维特征空间的表达能力,提出一种简单高效的癫痫异常检测模型。方法癫痫发作后会出现标志性的EEG... 目的将一维卷积神经网络(1DCNN)作为自编码模型的特征提取网络,利用1DCNN对头皮脑电信号(EEG)局部特征的感知能力来提高自编码模型(AE)在低维特征空间的表达能力,提出一种简单高效的癫痫异常检测模型。方法癫痫发作后会出现标志性的EEG波形变化,通过1DCNN的局部特征提取能力,捕捉正常信号的局部信息;利用正常数据训练自编码器,学习正常EEG数据在低维特征空间的表达,作为异常数据的癫痫EEG数据会脱离正常数据的低维特征空间,从而自编码模型无法有效地实现癫痫异常信号的重构;首先将输入和输出的差值作为异常分数值,然后通过ROC曲线的最优平衡点确定阈值,超过阈值的EEG信号被诊断为癫痫发作数据。利用公开数据集CHB-MIT脑电数据集和TUH脑电数据集,评估本文所提出的1DCNN-AE癫痫检测模型。结果从AUC值和癫痫事件检测两个任务来看,1DCNN-AE模型在患者平均水平下的AUC值分别达到了CHB-MIT的0.890和TUH的0.686,癫痫检测率达到了0.974和0.893,其结果优于最新癫痫异常检测模型LSTM-VAE和模型GRU-VAE。对于模型参数量而言,与LSTM-VAE的47.4M和GRU-VAE的36.9M等模型参数量相比,1DCNN模型的参数量Params达到了58.5M,处于同一个量级;但1DCNN-AE模型计算量FLOPs为0.377G,远远小于LSTM-VAE的21.6G和GRU-VAE的16.2G。结论1DCNN的自编码模型能有效地实现癫痫发作异常检测。 展开更多
关键词 自编码器 深度学习 癫痫检测 异常检测 一维卷积神经网络
在线阅读 下载PDF
一种基于一维卷积神经网络的试井模型智能识别方法
9
作者 齐占奎 张新鹏 +2 位作者 刘旭亮 查文舒 李道伦 《油气井测试》 2024年第2期72-78,共7页
为提高试井分析工作效率,实现试井模型的自动识别,提出了基于一维卷积神经网络(1D CNN)的试井模型智能识别方法。根据实测数据的特点,提出基于理论曲线构建样本库的原则与方法,并构建了4种常用油藏模型的训练样本库;建立了一维卷积神经... 为提高试井分析工作效率,实现试井模型的自动识别,提出了基于一维卷积神经网络(1D CNN)的试井模型智能识别方法。根据实测数据的特点,提出基于理论曲线构建样本库的原则与方法,并构建了4种常用油藏模型的训练样本库;建立了一维卷积神经网络模型,将样本库中双对数曲线的压力变化和压力导数数据作为输入,油藏类别作为网络输出训练及优化网络,总识别准确率可达99.16%,敏感度均在98%以上。经4口井实例应用,正确识别试井模型的概率大于0.99,与二维卷积神经网络相比,1D CNN显著降低了计算复杂度和时间成本,加快了训练速度。这表明基于试井理论所构建的样本库是有效的,能满足实测数据模型识别的需求;同时证明了方法的有效性、实用性和普适性。 展开更多
关键词 试井模型 一维卷积神经网络 智能识别 深度学习 自动解释 模型识别 样本库
在线阅读 下载PDF
循环相关熵和一维浅卷积神经网络轴承故障诊断 被引量：1
10
作者 李辉 徐伟烝 《机械科学与技术》 CSCD 北大核心 2024年第4期600-610,共11页
针对传统二维深度卷积神经网络结构复杂、易产生过拟合和难以有效处理低信噪比信号的问题,提出了一种基于循环相关熵和一维浅卷积神经网络的故障诊断-CCe-1D SCNN方法。该方法综合利用了一维浅卷积神经网络结构简单、计算复杂度低和循... 针对传统二维深度卷积神经网络结构复杂、易产生过拟合和难以有效处理低信噪比信号的问题,提出了一种基于循环相关熵和一维浅卷积神经网络的故障诊断-CCe-1D SCNN方法。该方法综合利用了一维浅卷积神经网络结构简单、计算复杂度低和循环相关熵能在低信噪比环境下有效提取故障特征的优点。首先,计算轴承故障振动信号的循环相关熵函数、循环相关熵谱密度函数和广义循环平稳度;其次,将一维归一化的广义循环平稳度作为一维浅卷积神经网络的输入层,通过一维浅卷积神经网络自动实现故障特征提取和模式分类;最后,将CCe-1D SCNN方法应用于电机轴承故障特征提取和分类,实验结果表明:CCe-1D SCNN方法在低噪声比情况下仍能保持很高的模式识别正确率,为一种自动故障特征提取和模式识别的有效方法。 展开更多
关键词 循环相关熵 一维浅卷积神经网络 深度学习 循环平稳信号 故障诊断
在线阅读 下载PDF
基于卷积神经网络的三维表面分形维数识别
11
作者 汪刘群 雷声 王子杰 《润滑与密封》 CAS CSCD 北大核心 2024年第10期108-116,共9页
分形维数作为机械加工表面形貌的重要参数,可用于接触表面的摩擦特性分析。然而,现有的分形维数计算方法大多需要选择多组尺度计算相应的测度,这不仅影响分形维数的计算速度和精度,也增加了计算的复杂度。针对机加工表面的三维分形维数... 分形维数作为机械加工表面形貌的重要参数,可用于接触表面的摩擦特性分析。然而,现有的分形维数计算方法大多需要选择多组尺度计算相应的测度,这不仅影响分形维数的计算速度和精度,也增加了计算的复杂度。针对机加工表面的三维分形维数测量问题,提出一种基于卷积神经网络的分形维数的识别方法。采用Weierstrass-Mandelbrot分形函数构建一个包含不同分形维数的三维粗糙表面数据集,利用单因素实验法分析网络参数(网络深度、滤波器大小、滤波器数量)对三维分形维数识别精度的影响,以找到最优的神经网络参数组合。通过与差分盒维数法、三角棱镜表面积法和分形布朗运动法3种方法进行对比,验证卷积神经网络法识别三维分形维数的有效性。实验结果表明:基于卷积神经网络方法计算的分形维数平均绝对百分比误差可控制在1.5%以下;该方法在分形维数全动态范围内都表现出较小的误差,可用于计算三维表面轮廓分形维数。 展开更多
关键词 分形维数 卷积神经网络 三维W-M函数 深度学习 接触表面
在线阅读 下载PDF
基于深度残差卷积神经网络的高光谱图像超分辨方法 被引量：4
12
作者 邹长忠 黄旭昇 《福州大学学报（自然科学版）》 CAS 北大核心 2020年第5期545-550,共6页
针对传统的稀疏表示方法的不足,提出一种基于深度残差卷积神经网络的单高光谱图像超分辨率方法,无需对应多光谱图像.研究挖掘低分辨率遥感图像和高分辨率遥感图像之间的非线性关系,构建深度残差卷积神经网络,串联多个残差块,并去除一些... 针对传统的稀疏表示方法的不足,提出一种基于深度残差卷积神经网络的单高光谱图像超分辨率方法,无需对应多光谱图像.研究挖掘低分辨率遥感图像和高分辨率遥感图像之间的非线性关系,构建深度残差卷积神经网络,串联多个残差块,并去除一些不必要的模块.充分挖掘自然图像和高光谱图像之间的相似性,利用自然图像样本训练卷积神经网络,进一步利用迁移学习将训练好的网络模型引入到高分辨率遥感图像超分辨问题上,解决训练样本缺乏问题.经实际的遥感数据超分辨实验结果表明,所提出的方法具有良好的性能,能得到较好的超分辨效果. 展开更多
关键词 高光谱图像 超分辨 深度残差卷积神经网络 残差块
在线阅读 下载PDF
一维卷积神经网络和Transformer在加密流量分类上的应用
13
作者 柴源聪 李玎 《信息工程大学学报》 2024年第6期732-738,共7页
针对加密流量识别准确率和模型效率不高的问题,提出一种融合Transformer的一维卷积神经网络(1D-CNN)模型。首先,结合卷积神经网络在序列数据分析中的卓越性能和Transformer对序列数据关系的强大表示能力,通过两个一维卷积神经网络深入... 针对加密流量识别准确率和模型效率不高的问题,提出一种融合Transformer的一维卷积神经网络(1D-CNN)模型。首先,结合卷积神经网络在序列数据分析中的卓越性能和Transformer对序列数据关系的强大表示能力,通过两个一维卷积神经网络深入挖掘加密流量数据中的局部特征。其次,并行使用Transformer神经网络的嵌入编码与位置编码策略,将复杂的数据特征转化为语义向量。再次,利用多头注意力机制进一步增强模型捕获序列间深层次依赖关系的能力,实现对加密数据中全局特征的高效提取。最后,通过全连接层融合输出,使用分类器实现对加密流量属性识别。该方法在ISCX 2016 VPN-nonVPN数据集上进行验证,实验结果表明,该模型准确率达到了96.7%,在加密流量分类任务上表现出较大的性能提升。 展开更多
关键词 深度学习 加密流量分类 一维卷积神经网络 多头注意力机制 融合模型
在线阅读 下载PDF
基于一维卷积神经网络的机器人抓取位姿快速检测
14
作者 徐焯基 陈建荣 张晓枫 《新潮电子》 2024年第12期67-69,共3页
针对机器人对任意物体进行快速的抓取位姿检测问题,提出一种基于一维卷积神经网络且面向深度图像信息的快速机器人抓取位姿检测方法。通过Kinectv2深度相机获取视场内的深度图像,生成候选抓取位姿区域,然后经过一维卷积神经网络判断出... 针对机器人对任意物体进行快速的抓取位姿检测问题,提出一种基于一维卷积神经网络且面向深度图像信息的快速机器人抓取位姿检测方法。通过Kinectv2深度相机获取视场内的深度图像,生成候选抓取位姿区域,然后经过一维卷积神经网络判断出其中的最优抓取位姿。在公开的抓取位姿验证集上测试,检测成功率在98%以上;通过在UR3机器人抓取平台上验证,该抓取位姿检测方法检测速度为0.8s/次,并具有较强的鲁棒性和有效性。 展开更多
关键词 一维卷积神经网络 机器人抓取 UR3机器人 深度图像
在线阅读 下载PDF
基于改进残差神经网络的滚动轴承故障检测
15
作者 刘晓阳 刘旭 +1 位作者 陈伟 王文清 《计算机仿真》 2024年第5期81-87,共7页
针对在矿井等特殊环境下在面对运算量大的复杂算法时,传统深度学习算法由于运算量大,现场检测设备由于需要消耗大量的资源无法完成现场检测的问题,提出了一种基于改进残差神经网络的滚动轴承故障检测方法。方法通过在卷积残差块和恒等... 针对在矿井等特殊环境下在面对运算量大的复杂算法时,传统深度学习算法由于运算量大,现场检测设备由于需要消耗大量的资源无法完成现场检测的问题,提出了一种基于改进残差神经网络的滚动轴承故障检测方法。方法通过在卷积残差块和恒等残差块中加入跳跃连接,尽可能地减少了信息的损失,并且将部分残差块中的普通卷积替换成深度可分离卷积,大大降低了运算量。实验表明,改进残差神经网络能够有效地提取数据的特征信息,提高运算的速度,在解决恶劣环境下大数据量难以现场运算的同时对滚动轴承故障检测的准确率有很大提高,准确率可达99.97%。 展开更多
关键词 滚动轴承 残差神经网络 故障检测 深度可分离卷积
在线阅读 下载PDF
一种基于深度残差卷积神经网络的歌声检测算法 被引量：2
16
作者 桂文明 吕家伟 敖志强 《金陵科技学院学报》 2021年第1期19-23,共5页
歌声检测是音乐人工智能领域重要的基础性工作,也是很多相关研究的必备技术或者增强技术。提出一种基于深度残差卷积神经网络的歌声检测算法,该算法在仅仅输入简单朴素特征的情况下,通过多层次卷积神经网络,能学习到比浅层卷积神经网络... 歌声检测是音乐人工智能领域重要的基础性工作,也是很多相关研究的必备技术或者增强技术。提出一种基于深度残差卷积神经网络的歌声检测算法,该算法在仅仅输入简单朴素特征的情况下,通过多层次卷积神经网络,能学习到比浅层卷积神经网络更多的、更有效的歌声特征,从而提高算法的整体性能。根据2种基本的残差网络结构,设计了6种不同深度的卷积神经网络,通过与基线系统的实验结果进行比较,证明了新算法的性能优于基于浅层卷积神经网络算法的性能。同时,新算法的网络深度可调性为应用增加了灵活性。 展开更多
关键词 歌声检测 残差网络 深度神经网络 卷积神经网络 循环神经网络
在线阅读 下载PDF
改进深度残差卷积神经网络的LDCT图像估计 被引量：7
17
作者 高净植 刘祎 +1 位作者 张权 桂志国 《计算机工程与应用》 CSCD 北大核心 2018年第16期203-210,219,共9页
针对低剂量计算机断层扫描(Low-Dose Computed Tomography,LDCT)重建图像出现明显条形伪影的现象,提出了一种基于残差学习的深度卷积神经网络(Deep Residual Convolutional Neural Network,DR-CNN)模型,可以从LDCT图像预测标准剂量计算... 针对低剂量计算机断层扫描(Low-Dose Computed Tomography,LDCT)重建图像出现明显条形伪影的现象,提出了一种基于残差学习的深度卷积神经网络(Deep Residual Convolutional Neural Network,DR-CNN)模型,可以从LDCT图像预测标准剂量计算机断层扫描(Normal-Dose Computed Tomography,NDCT)图像。该模型在训练阶段,将数据集中的LDCT图像和NDCT图像相减得到残差图像,将LDCT图像和残差图像分别作为输入和标签,通过深度卷积神经网络(Convolution Neural Network,CNN)学习输入和标签之间的映射关系;在测试阶段,利用此映射关系从LDCT图像预测残差图像,用LDCT图像减去残差图像得到预测的NDCT图像。实验采用50对大小为512×512的同一体模的常规剂量胸腔扫描切片和投影域添加噪声后的重建图像作为数据集,其中45对作为训练集,其他作为测试集,来验证此模型的有效性。通过与非局部降噪算法、匹配三维滤波算法和K-SVD算法等目前公认效果较好的图像去噪算法对比,所提模型预测的NDCT图像均方根误差小,且信噪比略高于其他算法处理结果。 展开更多
关键词 低剂量计算机断层扫描 卷积神经网络 残差学习 深度学习
在线阅读 下载PDF
基于改进卷积神经网络的电力工程数字化校核技术研究 被引量：1
18
作者 周鑫 周云浩 +2 位作者 王楠 李昊 韩志超 《电子设计工程》 2024年第9期147-151,共5页
针对传统电力工程验收过程使用人工费时费力且数据质量较差的问题,文中基于改进的卷积神经网络提出了一种电力工程数字化验收校核技术。该技术将Faster R-CNN作为基础模型,从3个方面对Faster R-CNN进行改进。使用ResNet网络代替原始基... 针对传统电力工程验收过程使用人工费时费力且数据质量较差的问题,文中基于改进的卷积神经网络提出了一种电力工程数字化验收校核技术。该技术将Faster R-CNN作为基础模型,从3个方面对Faster R-CNN进行改进。使用ResNet网络代替原始基础网络,提升了算法局部特征的提取能力与运算效率。同时将K-means聚类算法与区域候选网络相结合,增强了模型的目标识别能力。再引入深度自编码网络作为预测网络,进而提高了算法的预测能力。在实验测试中,所提算法相较原始算法的准确率、召回率分别提升了3.7%和7.2%,可以对电力工程关键部件进行准确识别,有效节约了验收过程中的时间及人力成本。 展开更多
关键词 卷积神经网络 残差网络 K-MEANS聚类 深度自编码器 电力工程验收
在线阅读 下载PDF
基于深度时空残差卷积神经网络的课堂教学视频中多人课堂行为识别 被引量：20
19
作者 黄勇康 梁美玉 +2 位作者 王笑笑 陈徵 曹晓雯 《计算机应用》 CSCD 北大核心 2022年第3期736-742,共7页
针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多... 针对课堂教学场景遮挡严重、学生众多,以及目前的视频行为识别算法并不适用于课堂教学场景,且尚无学生课堂行为的公开数据集的问题,构建了课堂教学视频库以及学生课堂行为库,提出了基于深度时空残差卷积神经网络的课堂教学视频中实时多人学生课堂行为识别算法。首先,结合实时目标检测和跟踪,得到每个学生的实时图片流;接着,利用深度时空残差卷积神经网络对每个学生行为的时空特征进行学习,从而实现课堂教学场景中面向多学生目标的课堂行为的实时识别;此外,构建了智能教学评估模型,并设计实现了基于学生课堂行为识别的智能教学评估系统,助力教学质量的提升,以实现智慧教育。通过在课堂教学视频数据集上进行实验对比与分析,验证了提出的课堂教学视频中实时多人学生课堂行为识别模型能够达到88.5%的准确率,且所构建的基于课堂行为识别的智能教学评估系统在课堂教学视频数据集上也已取得较好的运行效果。 展开更多
关键词 深度时空残差卷积神经网络 目标检测 目标跟踪 多人课堂行为识别 智能教学评估
在线阅读 下载PDF
基于深度卷积神经网络和深度视频的人体行为识别 被引量：7
20
作者 刘智 冯欣 张杰 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第11期99-106,共8页
传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点。以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别。实验结果表明,... 传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点。以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别。实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果。本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单。同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果。 展开更多
关键词 深度学习 人体行为识别 深度卷积神经网络 深度视频 3维卷积
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 2 … 20 下一页 到第 页
使用帮助 返回顶部