检索结果-内蒙古大学图书馆

信息记录材料 2021年第2期22卷 177-178页

作者：刘世芳胡振邦辽宁中医药大学信息工程学院辽宁沈阳110847

随着我国科技方面的快速发展,人脸识别技术已经得到了良好的提升,但是其中还有着较大的进步空间,这已经对我国的人脸识别技术造成了一定程度上的阻碍。本文将对多任务卷积神经网络与人脸识别机技术进行简要的概述,并且对卷积神经网络的... 详细信息

随着我国科技方面的快速发展,人脸识别技术已经得到了良好的提升,但是其中还有着较大的进步空间,这已经对我国的人脸识别技术造成了一定程度上的阻碍。本文将对多任务卷积神经网络与人脸识别机技术进行简要的概述,并且对卷积神经网络的划分进行具体的分析,最后对基于多任务卷积神经网络的人脸识别技术发展趋势进行深入的研究。

关键词：多任务卷积神经网络人脸识别识别技术

来源：评论

学校读者我要写书评

暂无评论

一种多任务的卷积神经网络目标分类算法

引用

激光与光电子学进展 2019年第23期56卷 215-222页

作者：张苗辉张博高诚诚河南大学大数据分析与处理河南省重点实验室河南开封475004 河南大学数据与知识工程研究所河南开封475004

提出一种基于细粒度图像和多属性融合的多任务卷积神经网络(MTCNN)。该网络主要包含几个关键环节,首先在网络中增加标签输入层,复制并分离输入的多个标签,通过全连接层与多个任务相匹配,增加与标签数量相应的Softmax损失函数,来对多个... 详细信息

提出一种基于细粒度图像和多属性融合的多任务卷积神经网络(MTCNN)。该网络主要包含几个关键环节,首先在网络中增加标签输入层,复制并分离输入的多个标签,通过全连接层与多个任务相匹配,增加与标签数量相应的Softmax损失函数,来对多个任务进行反向传播;然后,使用显著性检测与角点检测相结合的方法,提取出原始图像中的细粒度图像用于MTCNN的数据输入,使神经网络提取到的目标特征具有独特性和区分性;最后,使用非线性激活函数PReLu,进一步提高网络的分类精度。通过在Car Dataset中进行多任务并行训练,测试精度较传统单个任务的分类精度提升10%,实验结果表明,MTCNN有较高的泛化能力,对于图像分类的精度有明显的提升。

关键词：机器视觉多任务卷积神经网络深度学习细粒度图像

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的地震震相拾取方法研究

引用

地球物理学报 2020年第4期63卷 1591-1606页

作者：李健王晓明张英海王卫东商杰盖磊北京邮电大学电子工程学院北京100876 禁核试北京国家数据中心和北京放射性核素试验室北京100085

地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经... 详细信息

地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路.

关键词：多任务卷积神经网络震相拾取联合损失函数迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的蝇类面部识别

引用

光学精密工程 2020年第7期28卷 1558-1567页

作者：陈彦彤陈伟楠张献中李雨阳王俊生大连海事大学信息科学技术学院辽宁大连116026

针对蝇类昆虫物种繁多、特征复杂等因素,导致蝇类识别准确率低、耗时较长等问题。本文借鉴深度学习方法中的人脸识别算法,提出一种基于深度卷积神经网络的蝇类面部识别方法。首先,在图像对齐过程中,使用多任务卷积神经网络并进行优化即... 详细信息

针对蝇类昆虫物种繁多、特征复杂等因素,导致蝇类识别准确率低、耗时较长等问题。本文借鉴深度学习方法中的人脸识别算法,提出一种基于深度卷积神经网络的蝇类面部识别方法。首先,在图像对齐过程中,使用多任务卷积神经网络并进行优化即应用深度可分离卷积减少计算参数,缩短图像预处理时间。其次,应用轮廓特征粗提取和具体部位特征细提取相结合的方式提取更加丰富的特征信息即使用卷积池化粗提取出图像的轮廓特征值;同时,使用Inception-ResNet网络、Reduction网络细提取出具体部位特征值。最终在网络训练时,结合上述方法使得提取到的特征信息更加精确全面。实验表明,所提方法的准确率达到94.03%,相较于其他网络训练方法,该方法在保证较高准确率的情况下提升计算效率。

关键词：蝇类面部识别深度卷积神经网络多任务卷积神经网络 Inception-ResNet网络 Reduction网络

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的黑色素瘤预测算法研究

基于卷积神经网络的黑色素瘤预测算法研究

引用

作者：杜国霞广东药科大学

学位级别：硕士

飞速发展的人工智能赋能各大行业，卷积神经网络是其最常用的工具，在计算机视觉领域成果显著。在黑色素瘤的视觉诊断任务中，利用图像分割技术，可以对病灶区域进行准确定位分割，可以用于高亮病灶区域并消除无关像素的影响。利用图像... 详细信息

飞速发展的人工智能赋能各大行业，卷积神经网络是其最常用的工具，在计算机视觉领域成果显著。在黑色素瘤的视觉诊断任务中，利用图像分割技术，可以对病灶区域进行准确定位分割，可以用于高亮病灶区域并消除无关像素的影响。利用图像分类算法可以得到输入样本图片是否属于黑色素瘤。图像语义分割和分类算法通常很难融合在一个端到端的神经网络中，并且在黑色素瘤的图片的预测中，此类应用中仍存在诸多问题，比如需要大量数据用于卷积神经网络的训练，同时训练数据可能存在样本不平衡的问题，用户采集的图像难以统一标准等。因此本文旨在：　　（1）收集人工诊断标注的黑色素瘤图片样本，筛选清洗，构建数据集，用于神经网络的训练和性能检测。　　（2）将医学图像语义分割技术和图像分类技术融合到一个神经网络中去，实现端到端的训练，并行获得多个输出结果。设计一个更优的多任务的卷积神经网络，融合注意力机制提升网络的特征提取能力。　　（3）优化损失函数，改善神经网络训练中样本不均衡以及容易陷入局部最优的情况。　　（4）针对算力资源有限的场景，压缩网络，在不怎么降低性能的前提下，优化设计，获得更快的运行速度。　　方法：　　（1）提出了一种多任务神经网络结构，将输入的病灶图片同时进行端到端的阳性或阴性预测和具体病灶区域的分割，将两者整合到一个多任务的神经网络架构中，实现了端到端的神经网络训练和前向预测。在网络架构中，利用全局注意力机制增强网络的特征提取能力。可以使用多种不同公共的骨干网作为编码端，同时连接分类解码端和分割解码端，分别获得分类和分割的结果，具有很好的可迁移性。本文将此算法命名为，注意力增强的特征聚合网络。　　（2）针对数据正负样本不均衡的问题，改进了训练损失函数，优化了Focalloss，增加了概率惩罚项，使得网络侧重难分类的小批量样本的同时，获得较大的迭代步长，避免陷入局部最优。　　（3）详细分析了一些常见的轻量化手段，同时提出了一种更优的卷积算子，论证了通道冗余信息的存在。通过随机丢弃特征中的冗余信息，从而降低神经网络的计算量和参数量，实现更轻量化的神经网络设计。结合注意力机制融合不同层级的上下文信息，将该算法命名为上下文指导的残差网络。　　结果：　　本文通过控制变量法设计了充足的对比实验网络，结果表明，本文所提出的算法，可以适配不同的骨干网，并高效的从不同骨干网中提取多尺度的特征，从而获得高质量的分割结果。针对训练数据样本不平衡的问题，优化了已有的损失函数。在ISIC数据集上都具有较高的准确性，优于本文所列举的其他常用方法。　　注意力增强的特征聚合网络，利用ResNet101作为编码端骨干网，结合本文所提的分割解码端，可以获得97.1%的分类准确率以及86.1%的分割平均交并比。上下文指导的残差网络，整体浮点计算量仅为44.96亿次，参数量仅为2.565M，仅为传统方法的十几分之一。但仍有93.4%的分类性能以及83%的分割平均交并比。利用分类和分割信息，可以轻易地完成对属于输入图像诸如去毛发、去杂物的操作，也可以高亮病灶区域，获取置信度信息，辅助医生诊断。　　结论：　　本文提出了两种多任务神经网络，用于端到端的进行黑色素瘤图像的分类和分割。主要利用注意力机制增强了网络的信息提取能力，同时改进了损失函数用于处理样本不均衡的问题。针对算力不足的场景，也对网络进行了轻量化的改进。所提算法在所列数据集上均有良好的性能。

关键词：黑色素瘤图像分类图像语义分割多任务卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算的疲劳驾驶检测方法

引用

计算机工程 2021年第7期47卷 13-20,29页

作者：娄平杨欣胡辑伟萧筝严俊伟武汉理工大学信息工程学院武汉430070 宽带无线通信和传感器网络湖北省重点实验室武汉430070 武汉理工大学机电工程学院武汉430070

现有疲劳驾驶检测方法通常将驾驶过程中采集的数据传输至云端进行分析,然而在车辆移动过程中网络覆盖范围、响应速度等因素会造成检测实时性差。为在车载嵌入式设备上对驾驶人疲劳状态进行准确预警,提出一种基于边缘计算的疲劳驾驶检测... 详细信息

现有疲劳驾驶检测方法通常将驾驶过程中采集的数据传输至云端进行分析,然而在车辆移动过程中网络覆盖范围、响应速度等因素会造成检测实时性差。为在车载嵌入式设备上对驾驶人疲劳状态进行准确预警,提出一种基于边缘计算的疲劳驾驶检测方法。通过改进的多任务卷积神经网络确定人脸区域,根据人脸的面部比例关系定位驾驶人的眼部与嘴部区域,利用基于Ghost模块的轻量化AlexNet分类检测眼部与嘴部的开闭状态,并结合PERCLOS和PMOT指标值实现疲劳检测。在NHTU-DDD数据集上的实验结果表明,该方法在树莓派4B开发板上的检测准确率达到93.5%且单帧平均检测时间为180 ms,在保障检测准确率的同时大幅降低了计算量,能较好地满足疲劳驾驶的实时检测需求。

关键词：疲劳驾驶检测边缘计算多任务卷积神经网络轻量化 AlexNet结构

来源：评论

学校读者我要写书评

暂无评论

基于图像识别的带式输送机输煤量和跑偏检测方法

引用

工矿自动化 2020年第4期46卷 17-22页

作者：韩涛黄友锐张立志徐善永许家昌鲍士水安徽理工大学电气与信息工程学院安徽淮南232001 西安外事学院工学院陕西西安710077

传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种... 详细信息

传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数.在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后,获取训练数据集和测试数据集,并对MT-CNN进行训练;使用训练好的MT-CNN对输送带图像进行识别分类,实现输煤量和跑偏的准确、快速检测.实验结果表明,训练后的MT-CNN在测试数据集中检测准确率为97.3%,平均处理每张图像的时间约为23.1 ms.通过现场实际运行验证了该方法的有效性.

关键词：带式输送机输煤量检测跑偏检测图像识别多任务卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于活体检测和身份认证的人脸识别安防系统

引用

计算机应用 2020年第12期40卷 3666-3672页

作者：陈放刘晓瑞杨明业青岛大学自动化学院山东青岛266071 青岛大学未来研究院山东青岛266071 电子科技大学机器人研究中心成都611731

人脸识别由于其便捷性和实用性而被广泛应用于各种门禁等场合,但容易受到多种形式的欺骗攻击(如照片攻击和视频攻击)。基于深度卷积神经网络(CNN)的活体检测虽然能够解决以上问题,但是却存在计算量大、对用户不友好以及难以部署于嵌入... 详细信息

人脸识别由于其便捷性和实用性而被广泛应用于各种门禁等场合,但容易受到多种形式的欺骗攻击(如照片攻击和视频攻击)。基于深度卷积神经网络(CNN)的活体检测虽然能够解决以上问题,但是却存在计算量大、对用户不友好以及难以部署于嵌入式系统等缺点,因此提出了一种实时的轻量级的人脸识别安全分类方法。通过将基于色彩纹理分析的人脸活体检测算法与人脸认证算法相融合,提出了一种在无需用户配合的单目摄像头场景下进行人脸活体检测和人脸验证的人脸识别算法。该算法支持实时人脸识别,具有更高的活体检测识别率与鲁棒性。为了验证该算法的性能,以CASIA-FASD和Replay-Attack作为实验的基准数据集,结果表明在活体检测中该算法的半错误率(HTER)为9.7%,等错误率(EER)为5.5%,而且在整个流程中处理1帧图像所需时间为0.12 s,验证了该算法的可行性和有效性。

关键词：人脸识别活体检测轻量级神经网络实时检测安防系统多任务卷积神经网络色彩纹理分析 FaceNet

来源：评论

学校读者我要写书评

暂无评论

基于时频空多维融合特征的脑电情感识别

引用

科学技术与工程 2024年第18期24卷 7769-7775页

作者：杜扶遥姜囡刘浠辰中国刑事警察学院公安信息技术与情报学院沈阳110854 证据科学教育部重点实验室(中国政法大学) 北京100088

脑电信号(electroencephalogram,EEG)包含丰富的时间,空间和频率信息,是最能准确反映情感状态的生理信号,在情感识别领域发挥着重要作用。由于单特征的脑电情感识别研究方法存在缺失信息的问题,因此提出了三维融合特征的脑电信息处理方... 详细信息

脑电信号(electroencephalogram,EEG)包含丰富的时间,空间和频率信息,是最能准确反映情感状态的生理信号,在情感识别领域发挥着重要作用。由于单特征的脑电情感识别研究方法存在缺失信息的问题,因此提出了三维融合特征的脑电信息处理方法,将脑电信号的微分熵频域特征和8种时域特征进行融合,并按照电极片位置信息进行空间排布,构建脑电信号的三维融合特征。将注意力机制引入多任务卷积神经网络(multi task attention convolutional neural network,MTA-CNN),并将构造的三维特征作为输入进行测试分析。结果表明,所提出模型方法在DEAP数据集的效价维和唤醒维二分类问题准确率均有显著提升。

关键词：脑电信号情感识别三维融合特征注意力机制多任务卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

面向人脸检测MTCNN网络的加速硬件设计

引用

计算机工程与设计 2022年第2期43卷 370-375页

作者：孙庆斌何虎清华大学微电子学研究所北京100084

为加快深度学习人脸检测算法MTCNN(multi-task convolu tion neural network)的推理速度,满足许多应用场合检测的实时性的要求,基于Xilinx FPGA ZCU102开发板设计针对MTCNN专门优化的卷积和全连接加速硬件。该加速硬件不仅适用于MTCNN网... 详细信息

为加快深度学习人脸检测算法MTCNN(multi-task convolu tion neural network)的推理速度,满足许多应用场合检测的实时性的要求,基于Xilinx FPGA ZCU102开发板设计针对MTCNN专门优化的卷积和全连接加速硬件。该加速硬件不仅适用于MTCNN网络,其它神经网络推理算法也可以使用。针对算法特点,硬件采用小而多的计算核心,支持动态分块、图像间混合计算、片上多核共享RAM等完全自主开发的软硬件协同技术。在100 MHZ的频率下对MTCNN应用在加速器上的加速效果进行测试并和ARM程序进行对比,可以得到加速器相对于ARM O2速度加快了6倍多。

关键词：多任务卷积神经网络卷积全连接加速硬件人脸检测软硬件协同

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：