检索结果-内蒙古大学图书馆

荆楚理工学院学报 2020年第3期35卷 12-18页

作者：杨宇辉刘昌华武汉轻工大学数学与计算机学院湖北武汉430023

大田油菜花航拍图像由于光照因素、气候影响、硬件条件成本限制等原因,所拍出的图片往往较为模糊,效果不佳。为了解决这一问题,提出一种基于快速卷积神经网络的大田油菜花图像超分辨率重建算法(AFSRCNN),通过基于深度学习的方法,在卷积... 详细信息

大田油菜花航拍图像由于光照因素、气候影响、硬件条件成本限制等原因,所拍出的图片往往较为模糊,效果不佳。为了解决这一问题,提出一种基于快速卷积神经网络的大田油菜花图像超分辨率重建算法(AFSRCNN),通过基于深度学习的方法,在卷积神经网络图像超分辨率(SRCNN)上进行网络的加深和优化,增加了反卷积层和小感受野卷积核。与传统的双三次插值法和卷积神经网络超分辨率(SRCNN)重建的图像结果相比较,该算法计算所得的图像的平均峰值信噪比(PSNR)分别高1.590 dB和0.335 dB。实验结果表明,将此算法应用到大田油菜图像超分辨率重建问题中,可以得到更丰富的油菜轮廓信息,重建出更加优质的高分辨率图像。

关键词：航拍图像快速卷积神经网络反卷积层峰值信噪比高分辨率图像

来源：评论

学校读者我要写书评

暂无评论

基于快速区域卷积神经网络构建肾乏脂血管平滑肌脂肪瘤与均质型肾癌CT鉴别模型

基于快速区域卷积神经网络构建肾乏脂血管平滑肌脂肪瘤与均质型肾...

引用

作者：刘帅宏青岛大学

学位级别：硕士

目的:血管平滑肌脂肪瘤是最常见的良性肾脏病变,约占肾肿瘤总数的1.3%左右,它常见于女性,其中约80%是孤立存在的,往往较小并且单一存在,发展缓慢,破裂出血是其危害人体健康的主要方式。由于大部分肾血管平滑肌脂肪瘤存在脂肪,使其在影... 详细信息

目的:血管平滑肌脂肪瘤是最常见的良性肾脏病变,约占肾肿瘤总数的1.3%左右,它常见于女性,其中约80%是孤立存在的,往往较小并且单一存在,发展缓慢,破裂出血是其危害人体健康的主要方式。由于大部分肾血管平滑肌脂肪瘤存在脂肪,使其在影像学中易与肾恶性肿瘤相鉴别,然而,缺少脂肪成分的肾血管平滑肌脂肪瘤占其总数的20%左右,对于这一类型的肾占位性病变与均质型肾恶性肿瘤的鉴别迄今仍是一个诊断难题。肾血管平滑肌脂肪瘤与肾癌的治疗方式截然不同,准确的术前诊断可以减少甚至避免不必要的肾脏手术从而保留患者肾功能,减轻患者痛苦以及减少医疗资源的浪费。本研究的目的是探讨在增强CT图像上基于快速区域卷积神经网络智能识别并区分肾乏脂血管平滑肌脂肪瘤与均质型肾细胞癌。方法:回顾性选择收集了2011年1月至2021年1月青岛大学附属医院收治的50例肾乏脂血管平滑肌脂肪瘤和150例均质型肾细胞癌患者的对比增强CT图像,获得皮质期、实质期、排泄期图像共4024张,其中筛选后的肾乏脂血管平滑肌脂肪瘤图像325张,均质型肾细胞癌图像885张,图像数据以4:1的比例分为训练集和测试集。构建由特征提取网络Resnet101,区域生成网络RPN和ROI池化层组成的快速区域卷积神经网络框架。将训练集的数据导入快速区域卷积神经网络构建的模型,训练其识别并区分肾乏脂血管平滑肌脂肪瘤和均质肾细胞癌患者的CT图像。利用测试集数据对模型的预测能力进行评估,评估指标包括损失函数值、准确率、召回率、平均精确度、多次验证测试平均精度均值等。结果:拟合后的模型在测试集上表现良好,识别肾乏脂血管平滑肌脂肪瘤的召回率为0.975,精确率为0.958,识别均质肾细胞癌的召回率为0.963,精确率为0.972。模型鉴别以上两种肾肿瘤的平均精度均值为0.915,准确率为94%,诊断单一图像的耗时为0.2秒。结论:基于快速区域卷积神经网络构建的鉴别模型在一定条件下可以准确的区分CT图像中的肾乏脂血管平滑肌脂肪瘤和均质型肾细胞癌。

关键词：肾血管平滑肌脂肪瘤均质肾细胞癌人工智能快速卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于改进快速区域卷积网络的目标检测轻量化算法

引用

兵工学报 2021年第12期42卷 2664-2674页

作者：马月红孔梦瑶石家庄铁道大学电气与电子工程学院河北石家庄050043

基于深度学习的目标检测算法已成为合成孔径雷达(SAR)图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法... 详细信息

基于深度学习的目标检测算法已成为合成孔径雷达(SAR)图像目标检测任务的主流。深层网络通常具有大量参数,运行速度不能满足实时要求,难以在资源受限的设备(如移动端)上部署。考虑到对模型实时性和可移植性的要求,对双阶段目标检测算法快速区域卷积神经网络进行轻量化改进,比较不同改进方法对算法速度与精度的影响。结合SAR图像的特点,优化轻量化模型,与单阶段目标检测算法的单脉冲多盒检测网络对比。仿真实验结果表明,改进轻量化模型在保持原有精度水平下,模型占用内存和算法运算量大大减少,可有效满足SAR图像目标检测的实时性要求。

关键词：目标检测快速卷积神经网络合成孔径雷达轻量化算法实时性

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习及Faster R-CNN的SAR目标图像识别分类

引用

科学技术与工程 2017年第35期17卷 82-86页

作者：王烈秦伟萌罗文广西大学计算机与电子信息学院南宁530004

针对合成孔径雷达(SAR)目标图像识别分类中分类特征利用率低、精度差及图像特征提取时运算复杂、效率差的问题,利用非下采样剪切波变换(NSST)方向敏感性和平移不变性提取SAR目标图像的光谱纹理特征,构建基于Faster R-CNN(region-based c... 详细信息

针对合成孔径雷达(SAR)目标图像识别分类中分类特征利用率低、精度差及图像特征提取时运算复杂、效率差的问题,利用非下采样剪切波变换(NSST)方向敏感性和平移不变性提取SAR目标图像的光谱纹理特征,构建基于Faster R-CNN(region-based convolutional neural network)的可同时完成目标图像识别、鉴别及分类的多任务网络模型。实验结果表明,该方法在有限的SAR图像数据支持下仍有较好的识别率,且算法优于传统的神经网络(NN)、支持向量机(SVM)及基于稀疏表示(Sc SPM)等分类方法。在MSTAR公开数据库上,平均识别率达到98.13%。

关键词：合成孔径雷达非下采样剪切波变换多任务学习快速卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的人脸检测算法研究

基于深度学习的人脸检测算法研究

引用

作者：夏寒林阜阳师范大学

学位级别：硕士

人脸检测技术研究是计算机视觉领域研究的热门之一。该技术是利用信息化手段对图片或视频等媒体中的人脸进行定位,并通过标签标记出其位置和大小。这项技术的发展是人脸识别算法研究的基础,直接决定着人脸识别算法的最终识别效果。但是... 详细信息

人脸检测技术研究是计算机视觉领域研究的热门之一。该技术是利用信息化手段对图片或视频等媒体中的人脸进行定位,并通过标签标记出其位置和大小。这项技术的发展是人脸识别算法研究的基础,直接决定着人脸识别算法的最终识别效果。但是,在实际的人脸检测过程中,常常受到检测场景复杂、面部遮挡、低分辨率、人脸偏转等人为和环境因素的影响,而导致传统的检测方法在现实环境中的应用不能达到精准、快速、实时的效果。近年来,随着人工智能技术的发展,特别是深度学习技术的应用给人脸检测技术在检测速度和精度等方面带来了革命性的变化,并且有了大幅度的提高。本文在深度学习理论基础上,对人脸检测算法进行进一步的研究,通过将深度学习算法理论应用到人脸检测算法中,分别对正常人脸和异常行为进行检测。主要内容如下:1、本文对传统的人脸检测算法、卷积神经网络以及基于深度学习的人脸检测算法进行详细综述。重点介绍MTCNN和S3FD两种代表算法。2、针对快速卷积神经网络算法在处理小人脸检测问题上存在检测准确度不高,速率低的缺点,本文对现有的基于快速卷积神经网络算法进行优化改进,提出了一种基于快速卷积神经网络改进的人脸检测算法。最终本文提出的算法在Wider FACE数据集和FDDB数据集上进行了验证,证明了算法在针对小脸检测问题时,取得了较好的检测效果。3、对快速卷积神经网络进行进一步深入研究并将其应用到视频异常行为检测中,提出了一种异常行为检测的算法。4、对本文的研究工作进行总结与展望。

关键词：快速卷积神经网络深度学习人脸检测异常行为检测

来源：评论

学校读者我要写书评

暂无评论

改进的Fast-CNN模型在绝缘子特征检测中的研究

引用

计算机与现代化 2019年第4期 59-64,71页

作者：纪超黄新波曹雯朱永灿张烨西安工程大学电子信息学院陕西西安710048

针对目前电网巡检系统中采用红外成像检测绝缘子串特征的效果受环境影响,提出联合显著区域和Fast-CNN网络(改进后的卷积神经网络)用于绝缘子特征检测研究。显著区域检测首先采用超像素描述各区域位置的整体信息;然后基于各超像素的特征... 详细信息

针对目前电网巡检系统中采用红外成像检测绝缘子串特征的效果受环境影响,提出联合显著区域和Fast-CNN网络(改进后的卷积神经网络)用于绝缘子特征检测研究。显著区域检测首先采用超像素描述各区域位置的整体信息;然后基于各超像素的特征协方差信息计算各超像素的显著度得到大致显著区域;再通过区域模块化和局部复杂度对比提取显著特征,同时将2种方法提取的显著特征分别输入改进后的Fast-CNN网络进行显著区域检测,同时引入动态自适应池化模型和余弦窗处理中间层,最后通过多次迭代训练得到绝缘子特征,避免CNN模型耗时的全图搜索。将本文算法在红外图像库中进行测试,本文算法的F-Measure以及平均误差MAE均优于当前流行算法。

关键词：机器视觉深度学习显著性计算绝缘子检测快速卷积神经网络

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：