检索结果-内蒙古大学图书馆

《基于多尺度卷积网络集成的心电信号危急值等级评估》发布革新可穿戴式心电分析技术

中华医学信息导报 2025年第3期40卷 14-14页

近日,一项由南方医科大学生物医学工程学院、广东省医学图像处理重点实验室、解放军总医院心内科等单位共同完成的研究成果——《基于多尺度卷积网络集成的心电信号危急值等级评估》,在《数字医学与健康》杂志优先出版。该研究旨在通过... 详细信息

近日,一项由南方医科大学生物医学工程学院、广东省医学图像处理重点实验室、解放军总医院心内科等单位共同完成的研究成果——《基于多尺度卷积网络集成的心电信号危急值等级评估》,在《数字医学与健康》杂志优先出版。该研究旨在通过多模型集成算法提高对心电图信号的自动分级能力,尤其是对危急情况的识别准确性。

关键词：卷积网络心电图信号生物医学工程南方医科大学医学图像处理心电信号自动分级数字医学

来源：评论

学校读者我要写书评

暂无评论

基于存内计算的卷积网络量化方法

引用

集成电路与嵌入式系统 2025年第4期25卷 30-38页

作者：桑贤侦李敏程虎魏敬和赵伟王正行中国电子科技集团公司第五十八研究所无锡214035 集成电路与微系统全国重点实验室无锡214035

针对卷积网络在存内计算电路上部署时采用统计法计算模/数转换系数导致网络性能下降问题,设计了一种基于存内计算的卷积网络量化方法。该方法首先对卷积层的激活值、权重系数量化,然后根据存内计算电路单Tile数据流特点,设计基于单Tile... 详细信息

针对卷积网络在存内计算电路上部署时采用统计法计算模/数转换系数导致网络性能下降问题,设计了一种基于存内计算的卷积网络量化方法。该方法首先对卷积层的激活值、权重系数量化,然后根据存内计算电路单Tile数据流特点,设计基于单Tile的模/数转换系数量化网络,之后,设计一种基于KL散度的方法计算模/数转换系数,最后,将模/数转换系数映射为电导值,同时与卷积层中的激活值、权重量化系数进行融合,并转换为移位和定点数乘形式,实现卷积网络在存内计算电路上的部署推理。软件仿真实验结果表明,与其他模/数转换系数计算方法相比,本文所设计的量化方法对网络性能影响较小,并适用于卷积网络多位宽混合量化。由于软件仿真完全模拟存内计算电路数据流过程,因此所提方法可以在存内计算电路工程中应用。

关键词：存内计算卷积网络模/数转换系数量化部署

来源：评论

学校读者我要写书评

暂无评论

基于多尺度残差卷积网络的HEVC视频隐写分析

引用

北京航空航天大学学报 2021年第11期47卷 2226-2233页

作者：张敏李赵红刘金豆张珍珍中国电信股份有限公司北京100010 北京交通大学电子信息工程学院北京100044 北京印刷学院信息工程学院北京102600

图片、语音、视频等多媒体形式的信息交流在网络通信中占有重要地位,同时也有很多非法信息的传播隐匿于此。隐写分析是甄别隐秘信息是否存在的有效手段,提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法。网络主体由残差... 详细信息

图片、语音、视频等多媒体形式的信息交流在网络通信中占有重要地位,同时也有很多非法信息的传播隐匿于此。隐写分析是甄别隐秘信息是否存在的有效手段,提出了一种通用的基于多尺度残差卷积网络的HEVC视频隐写分析算法。网络主体由残差计算、特征提取和二分类3部分构成,其中在特征提取部分针对性地提出了残差卷积层、多尺度残差卷积模块及隐写分析残差块。实验结果表明:所提算法基于视频像素域分析网络的检测率高达99.75%,比传统的手工提取特征方法具有更大的优势。

关键词：隐写分析 HEVC 深度学习视频卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于事件驱动的超图卷积网络的谣言检测方法

引用

计算机研究与发展 2024年第8期61卷 1982-1992页

作者：曾智赵书庆刘欢赵翔罗敏楠西安交通大学计算机科学与技术学院西安710049 大数据与决策实验室(国防科技大学) 长沙410003

依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对... 详细信息

依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对该挑战,提出了一个事件驱动的超图卷积网络(event-driven hypergraph convolutional network,EHGCN),首次尝试将新闻、用户和事件建模在一个统一的超图卷积网络之中,以提升谣言检测性能.具体而言,基于用户的中心网络构建同质用户圈,以增强用户感知的谣言检测.此外,EHGCN联合利用事件内的主事件和子事件关联以及事件间的不一致性关联来进行谣言检测.在3个真实世界的数据集上进行的实验结果验证了EHGCN相较于现有方法在谣言检测方面的优势.研究也证实EHGCN可以通过获取丰富的用户社交圈和事件信息,在谣言传播早期及时发现谣言.

关键词：谣言检测事件驱动超图卷积网络同质用户圈

来源：评论

学校读者我要写书评

暂无评论

基于多尺度卷积网络的单幅图像的点法向估计

引用

华南理工大学学报（自然科学版） 2018年第12期46卷 1-9页

作者：冼楚华刘欣李桂清金烁华南理工大学计算机科学与工程学院广东广州510006 三角兽科技有限公司北京100029

单幅图片法向量估计是计算机图形学和计算机视觉研究的重要问题之一.在缺少其它三维信息的情况下,由单幅图像预测出对应法向量,对于三维场景重建,三维模型识别,三维语义分割等具有重要意义.为解决这一问题,文中使用多尺度的卷积网络结构... 详细信息

单幅图片法向量估计是计算机图形学和计算机视觉研究的重要问题之一.在缺少其它三维信息的情况下,由单幅图像预测出对应法向量,对于三维场景重建,三维模型识别,三维语义分割等具有重要意义.为解决这一问题,文中使用多尺度的卷积网络结构,对图像进行端到端的输出预测.该网络由两个层级组成,第1层采用在ImageNet中性能最好的DenseNet分类网络,对输入进行全局处理.第2层级采用全卷积网络结构,对第1层级获得的输出进行进一步的精细预测.实验结果表明,即使不使用其他预处理或后处理步骤,文中提出的网络在单幅图像点法向预测方面仍能取得较理想的结果.

关键词：法向量预测单幅图像卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于卷积网络的句子语义相似性模型

引用

华南理工大学学报（自然科学版） 2017年第3期45卷 68-75页

作者：黄江平姬东鸿武汉大学计算机学院湖北武汉430072

句子间语义相似性的计算已成为自然语言处理领域的重要研究内容,如何有效地对句子建立语义模型已成为释义识别、文本相似性计算、问答和文本蕴涵等自然语言处理应用的基础任务.文中提出了一种并行的卷积神经网络模型,该模型的两个卷积... 详细信息

句子间语义相似性的计算已成为自然语言处理领域的重要研究内容,如何有效地对句子建立语义模型已成为释义识别、文本相似性计算、问答和文本蕴涵等自然语言处理应用的基础任务.文中提出了一种并行的卷积神经网络模型,该模型的两个卷积网络不仅对句子对中的单个句子建立句子向量表示,还对句子经卷积池化后的特征进行相似性度量,并获得句子间的相似性特征.采用释义识别及文本相似性两项任务进行模型性能的实验评测,结果显示,该模型能够较好地表示句子语义信息,其释义识别F1值相比基准实验提高了7.4个百分点,语义相似性评测的皮尔森相关系数比逻辑回归方法有7.1个百分点的提高.

关键词：卷积网络释义识别句子模型语义相似性

来源：评论

学校读者我要写书评

暂无评论

应用卷积网络及深度学习理论的羊绒与羊毛鉴别

引用

纺织学报 2017年第12期38卷 150-156页

作者：王飞靳向煜东华大学纺织学院上海201620 东华大学纺织面料技术教育部重点实验室上海201620

为解决羊绒与羊毛纤维图像难以鉴别的问题,提出一种基于卷积网络和深度学习理论的鉴别方法。使用sigmoid分类器将卷积深度网络提取的纤维图像特征进行粗分类,根据验证集合验证结果并记录网络的最优权重。根据整体的分类网络所获取的权值... 详细信息

为解决羊绒与羊毛纤维图像难以鉴别的问题,提出一种基于卷积网络和深度学习理论的鉴别方法。使用sigmoid分类器将卷积深度网络提取的纤维图像特征进行粗分类,根据验证集合验证结果并记录网络的最优权重。根据整体的分类网络所获取的权值,对每张样本图片使用改进的局部增强整体的网络模型提取局部特征,并对局部特征和整体特征进行融合,根据这些融合特征建立新的分类网络。在此基础上,使用鄂尔多斯标准羊绒与羊毛数据集对网络进行50轮次的迭代训练,得到的最优准确率达92.1%。实验结果表明:采用深度卷积网络表征纤维,并对羊绒羊与毛纤维图像进行分类的方法,能够有效解决羊绒、羊毛等类似纤维鉴别问题;若用于商业检测,还需更多数据集的验证。

关键词：羊绒羊毛图像鉴别卷积网络

来源：评论

学校读者我要写书评

暂无评论

可穿戴式心电信号R峰检测的心拍感知卷积网络

引用

南方医科大学学报 2022年第3期42卷 375-383页

作者：谭慧欣赖杰伟王祚季磊张一行王进亮宋育章阳维南方医科大学生物医学工程学院广东广州510515 广东省医学图像处理重点实验室广东广州510515 中国人民解放军总医院医疗保障中心信息科北京100853 心韵恒安医疗科技(北京)有限公司北京100142 美国加州大学河滨分校美国加利福尼亚州河滨92521

目的实现可穿戴式心电信号的R峰检测,为准确估计心率、心率变异性等生理参数提供基础。方法采用全卷积网络预测R峰热图,对热图进行峰值定位获得R峰位置。引入心拍感知模块,联合心拍数量预测任务和R峰热图预测任务进行学习,提高卷积网... 详细信息

目的实现可穿戴式心电信号的R峰检测,为准确估计心率、心率变异性等生理参数提供基础。方法采用全卷积网络预测R峰热图,对热图进行峰值定位获得R峰位置。引入心拍感知模块,联合心拍数量预测任务和R峰热图预测任务进行学习,提高卷积网络对全局上下文信息的提取能力。心拍感知模块预测的心拍数量还可估计R-R间期,用作峰值定位的峰间最小水平距离。为满足移动端的实时应用,采用深度可分离卷积减小模型的参数量和计算量。结果实验仅使用可穿戴式心电数据训练模型。测试中定位误差容忍度设置为150 ms时,本文方法在可穿戴式心电数据集和公开数据集LUDB上的R峰检测灵敏度均高达100%,真阳率均超过99.9%;对于时长10 s的ECG信号,R峰检测CPU耗时约为23.2 ms。结论本文方法对可穿戴式和常规心电信号的R峰检测均可达到良好效果,且满足R峰检测的实时性需求。

关键词：可穿戴式心电信号 R峰检测心拍感知卷积网络

来源：评论

学校读者我要写书评

暂无评论

三维卷积网络在脑海马体分割中的应用

引用

计算机科学与探索 2020年第3期14卷 493-501页

作者：刘辰肖志勇吴鑫鑫江南大学物联网工程学院

为了提高海马体分割的精确性和鲁棒性,提出一种新型的三维卷积网络Dilated-3DUnet。该网络中卷积层的通道数采用"金字塔"分布的方式,有效缩小了参数的规模。此外,使用三维空洞卷积作为级联卷积操作,不仅有效地结合了脑磁共振... 详细信息

为了提高海马体分割的精确性和鲁棒性,提出一种新型的三维卷积网络Dilated-3DUnet。该网络中卷积层的通道数采用"金字塔"分布的方式,有效缩小了参数的规模。此外,使用三维空洞卷积作为级联卷积操作,不仅有效地结合了脑磁共振成像(MRI)的深层特征和浅层特征,而且在不改变参数个数的情况下,扩大了卷积层的感受野,获取了多尺度信息,能够更好地捕捉MRI图像的浅层特征,从而提高了分割精度。在ADNI数据集上进行实验,以相似性系数、灵敏度、阳性预测率为评价指标,准确率分别达到了89.32%、88.72%和90.05%。实验表明,Dilated-3DUnet充分利用了脑MRI图像的三维空间信息,具有更强的泛化能力和更好的特征表达能力,从而大大提升了分割精度。

关键词：海马体分割脑磁共振成像(MRI) 卷积网络空洞卷积

来源：评论

学校读者我要写书评

暂无评论

卷积网络在视频目标跟踪问题中的应用

卷积网络在视频目标跟踪问题中的应用

引用

作者：陈燕锋上海交通大学

学位级别：硕士

对运动目标的跟踪是计算机视觉领域中的一个重要问题,应用领域广泛,尤其是在智慧城市、自动驾驶、智能监控、智能交通和安防等方面。近年来机器学习领域的发展,尤其是深度学习技术的发展,使得对目标跟踪的研究有了进一步的突破。本文在... 详细信息

对运动目标的跟踪是计算机视觉领域中的一个重要问题,应用领域广泛,尤其是在智慧城市、自动驾驶、智能监控、智能交通和安防等方面。近年来机器学习领域的发展,尤其是深度学习技术的发展,使得对目标跟踪的研究有了进一步的突破。本文在对传统特征提取方法和基于深度学习的特征提取方法进行对比分析的基础上,研究了深度学习方法在目标跟踪中的应用。针对目标跟踪问题中离线训练难、耗时大的问题,本文采用了一种无需预训练的轻量化卷积网络结构进行特征提取,并且提出了一种引入了仿射传播聚类算法的方法进行卷积核参数的在线学习。为了减小搜索空间,本文研究了粒子滤波在目标跟踪问题上的应用,基于粒子滤波框架进行目标跟踪。为了缓解在目标快速运动场景中的跟踪漂移问题,本文引入了一种阈值机制,对粒子的运动模型参数进行自适应调整,从而提高了目标跟踪算法在目标快速运动场景中的跟踪性能。结合改进后的卷积网络和引入阈值机制后的粒子滤波框架,本文实现了一个目标跟踪系统,对该系统在主流评测数据集中的50个具有挑战性的视频上进行了实验,并且与一些主流跟踪算法进行比较。结果表明本文算法成功率高、跟踪效果好,在快速运动、背景干扰、遮挡等复杂环境下表现出了良好的鲁棒性。

关键词：机器学习计算机视觉目标跟踪卷积网络粒子滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：