检索结果-内蒙古大学图书馆

机床与液压 2021年第23期49卷 77-82页

作者：陈永刚刘冠峰李坛坷东莞职业技术学院科研与技术服务处广东东莞523808 广东工业大学机电工程学院广东广州510006

闭环检测是移动机器人自主导航以及各种视觉定位的重要组成。近年来随着深度卷积神经网络展,基于卷积描述符的闭环检测与基于手工设计描述符的闭环检测,均在各个系统得到了应用。通过利用深度卷积神经网络实现图像匹配,并将其用于移动... 详细信息

闭环检测是移动机器人自主导航以及各种视觉定位的重要组成。近年来随着深度卷积神经网络展,基于卷积描述符的闭环检测与基于手工设计描述符的闭环检测,均在各个系统得到了应用。通过利用深度卷积神经网络实现图像匹配,并将其用于移动机器人的全局定位算法中,对其工程实际表现进行了定量评估以及对比。从所设计的试验方法量化对比出目前主流的描述符在各种场景应用中的优劣性,可知基于AlexNet模型的卷积描述符在各实验中均表现最佳,为图像匹配及其全局定位提供定量参考选择标准。

关键词：移动机器人深度卷积神经网络计算机视觉

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协作频谱感知方法

引用

电子与信息学报 2021年第10期43卷 2911-2919页

作者：盖建新薛宪峰吴静谊南瑞祥哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室哈尔滨150080

针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作... 详细信息

针对传统卷积神经网络(CNN)频谱感知方法提取特征能力受限于网络结构简单,增加网络结构又容易出现梯度消失等问题,该文通过在传统卷积神经网络中添加捷径连接,实现输入层恒等映射更深的网络,提出一种基于深度卷积神经网络(DCNN)的协作频谱感知方法。该方法将频谱感知问题转化为图像二分类问题,对正交相移键控(QPSK)信号的协方差矩阵进行归一化灰度处理,并作为深度卷积神经网络的输入,通过残差学习训练深度卷积神经网络模型,提取2维灰度图像的深层特征,将测试数据输入到训练好的模型中,完成基于图像分类的频谱感知。实验结果表明:与传统的频谱感知方法相比,在低信噪比(SNR)下、多用户协作感知时,所提方法具有更高的检测概率和更低的虚警概率。

关键词：协作频谱感知深度卷积神经网络残差学习协方差矩阵

来源：评论

学校读者我要写书评

暂无评论

基于双谱-谱图特征和深度卷积神经网络的HRRP目标识别方法

引用

系统工程与电子技术 2020年第8期42卷 1703-1709页

作者：卢旺张雅声徐灿林财永航天工程大学宇航科学与技术系北京101400

针对雷达高分辨距离像(high resolution range profile,HRRP)目标识别中有效表示和特征提取这一关键问题,提出了基于双谱-谱图特征和深度卷积神经网络(deep convolution neural network,DCNN)的识别方法。首先,提取HRRP的双谱-谱图特征... 详细信息

针对雷达高分辨距离像(high resolution range profile,HRRP)目标识别中有效表示和特征提取这一关键问题,提出了基于双谱-谱图特征和深度卷积神经网络(deep convolution neural network,DCNN)的识别方法。首先,提取HRRP的双谱-谱图特征表示作为CNN的输入。然后,通过网络训练提取出深层本质特征,实现对雷达目标的识别。最后,对不同特征表示的识别结果进行对比。采用卫星目标实测数据进行实验,结果表明,该方法可以准确有效地识别雷达目标,而且与其他常用特征表示相比,双谱-谱图特征表示具有更好的识别准确率和噪声鲁棒性。

关键词：雷达自动目标识别高分辨距离像双谱-谱图特征深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的目标检测研究综述

引用

光学精密工程 2020年第5期28卷 1152-1164页

作者：范丽丽赵宏伟赵浩宇胡黄水王振吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 吉林大学学报(工学版)编辑部吉林长春130012 长春工业大学计算机科学与工程学院吉林长春130012 山东理工大学计算机科学与技术学院山东淄博255000

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Netwo... 详细信息

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。

关键词：图像处理深度卷积神经网络目标检测特征表示深度学习

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番茄主要器官分类识别方法

引用

农业工程学报 2017年第15期33卷 219-226页

作者：周云成许童羽郑伟邓寒冰沈阳农业大学信息与电气工程学院沈阳100866

为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试... 详细信息

为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试结果表明各网络的分类错误率均低于6.392%。综合考虑分类性能和速度,优选出一种8层网络用于番茄主要器官特征提取与表达。用筛选出的8层网络作为基本结构,设计了一种番茄主要器官检测器,结合Selective Search算法生成番茄器官候选检测区域。通过对番茄植株图像进行检测识别,试验结果表明,该检测器对果、花、茎的检测平均精度分别为81.64%、84.48%和53.94%,能够同时对不同成熟度的果和不同花龄的花进行有效识别,且在检测速度和精度上优于R-CNN和Fast R-CNN。

关键词：目标识别图像处理像素番茄器官深度卷积神经网络数据增广深度学习

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SAR舰船目标检测

引用

系统工程与电子技术 2019年第9期41卷 1990-1997页

作者：杨龙苏娟李响火箭军工程大学核工程学院

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒... 详细信息

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。

关键词：舰船目标检测单次多盒检测器检测算法深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的大气湍流强度估算

引用

中国激光 2021年第4期48卷 272-281页

作者：马圣杰郝士琦赵青松王勇王磊国防科技大学脉冲功率激光技术国家重点实验室安徽合肥230037 电子制约技术安徽省重点实验室安徽合肥230037

提出了一种基于深度卷积神经网络估算大气湍流折射率结构常数C_(n)^(2)的方法。将湍流影响下的高斯光束光斑图像作为神经网络的输入,利用深度卷积神经网络提取图像的特征信息,得到C_(n)^(2)大小,并采用平均绝对误差、平均相对误差、均... 详细信息

提出了一种基于深度卷积神经网络估算大气湍流折射率结构常数C_(n)^(2)的方法。将湍流影响下的高斯光束光斑图像作为神经网络的输入,利用深度卷积神经网络提取图像的特征信息,得到C_(n)^(2)大小,并采用平均绝对误差、平均相对误差、均方根方差和相关系数四个统计量来衡量模型的估算效果。结果表明,该模型能够根据湍流影响下的高斯光束光斑图像对C_(n)^(2)进行估算,当迭代500次时,相关系数为99.84%,各项误差均在2%左右。该模型在大气湍流特性分析及大气湍流强度估算等领域有一定应用价值。

关键词：大气光学大气湍流折射率结构常数深度卷积神经网络湍流强度估算

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络中反馈机制的计算建模及应用研究

深度卷积神经网络中反馈机制的计算建模及应用研究

引用

作者：曹春水中国科学技术大学

学位级别：博士

当前,随着人工智能技术的不断发展,深度人工神经网络被广泛应用于人类社会的各个领域。特别地,前馈型深度卷积神经网络（CNNs）在各种计算机视觉任务上已经取得了巨大成功。然而,随着应用需求的不断增加,视觉处理任务复杂度不断提高,依... 详细信息

当前,随着人工智能技术的不断发展,深度人工神经网络被广泛应用于人类社会的各个领域。特别地,前馈型深度卷积神经网络（CNNs）在各种计算机视觉任务上已经取得了巨大成功。然而,随着应用需求的不断增加,视觉处理任务复杂度不断提高,依靠简单前馈方式工作的卷积神经网络开始满足不了人们的需求,探索更加类似人类视觉系统的新一代视觉信息处理神经网络显得迫在眉睫。来自认知神经科学的研究表明,人类的视觉系统由大量的前馈连接、反馈连接和侧向连接构成,而反馈连接和侧向连接的数量远远大于前馈连接。因此,基于前馈网络构建有效的反馈机制具有重要的研究价值。本文受人类视皮质层反馈机制的启发,对深度卷积神经网络中如何构建反馈机制进行了深入的研究,提出了有效的反馈机制计算模型和运行框架,充分扩展了深度卷积神经网络的功能,并成功运用于多项计算视觉任务中。本文的主要研究工作和贡献归纳如下:1.在深度卷积神经网络中,针对反馈机制的构建问题,本文在理论上提出了有效的反馈机制计算模型。在面向目标识别的深度卷积神经网络中,本文给出了反馈机制的具体数学定义,并将反馈机制建模成一个优化问题,确定了反馈机制工作运行的基本框架。2.针对提出的反馈优化问题,本文提出了基于梯度下降法的求解算法,在卷积神经网络中成功构建了一种有效的反馈机制,实现了对人类视觉系统中选择性注意机制的建模。在大规模数据集上的实验结果验证了反馈模型能够有效定位到感兴趣目标并能有效提升模型识别能力。3.针对提出的反馈优化问题,本文进一步提出两种基于贪心策略的求解算法。本文分析了由两种不同算法导出的反馈机制在功能上的差异,提出一个基于神经元筛选和神经元视觉信息恢复的反馈卷积神经网络新框架。在多个代表性数据集上的实验结果验证了反馈机制在弱监督目标定位与分割任务上的有效性,同时也为深度卷积神经网络的工作原理提供了可视化的解释。4.为了探索更加类似人类视觉系统的信息处理机制,本文最后提出了在深度卷积神经网络中构建结合反馈调节信息的新型侧抑制计算模型。基于该模型将任务导向的选择性目标注意和响应导向的显著性目标检测统一到了一个分类卷积神经网络模型中,大规模数据集上的实验结果验证了所提出模型的有效性。总结起来,本文在深度卷积神经网络中将反馈机制建模成了一个优化问题,并提出了三种不同的求解方法。在成功构建反馈连接的基础上,进一步提出了基于反馈与侧抑制机制联合建模的视觉注意模型。本文通过大量的实验详细分析了带有反馈机制的卷积神经网络,结果显示本文所提出反馈机制计算模型极大地增加了深度卷积神经网络的灵活性,充分扩展了其功能和应用范围。本文的研究工作为实现脑科学研究领域的概念提供了一个新的视角,是探索更高级智能视觉系统的一次重要尝试。

关键词：深度卷积神经网络反馈机制反馈优化问题梯度下降贪心策略反馈恢复反馈选择性修剪

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络在目标检测中的研究进展

引用

计算机工程与应用 2018年第17期54卷 1-9页

作者：姚群力胡显雷宏中国科学院电子学研究所北京100190 中国科学院大学北京100049

深度卷积神经网络以多层次的特征学习与丰富的特征表达能力,在目标检测领域取得了突破进展。概括了卷积神经网络在目标检测领域的研究进展,首先回顾传统目标检测的发展及存在的问题,引出卷积神经网络的目标检测基本原理和基本训练方法;... 详细信息

深度卷积神经网络以多层次的特征学习与丰富的特征表达能力,在目标检测领域取得了突破进展。概括了卷积神经网络在目标检测领域的研究进展,首先回顾传统目标检测的发展及存在的问题,引出卷积神经网络的目标检测基本原理和基本训练方法;然后分析了以R-CNN为代表的基于区域建议的目标检测框架,介绍以YOLO算法为代表的将目标检测归结为回归问题的目标检测框架;最后,对目前目标检测的一些问题进行简要总结,对未来深度卷积神经网络在目标检测的发展进行了展望。

关键词：深度卷积神经网络目标检测特征表达特征提取

来源：评论

学校读者我要写书评

暂无评论

基于空间金字塔池化和深度卷积神经网络的作物害虫识别

引用

农业工程学报 2019年第19期35卷 209-215页

作者：张博张苗辉陈运忠河南省大数据分析与处理重点实验室开封475004 河南大学地理学博士后科研流动站开封475004

为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害... 详细信息

为了减少因作物害虫姿态多样性和尺度多样性导致其识别精度相对较低的问题,该文将空间金字塔池化与改进的YOLOv3深度卷积神经网络相结合,提出了一种基于空间金字塔池化的深度卷积神经网络农作物害虫种类识别算法,首先对测试图像上的害虫进行检测定位,然后对检测定位出的害虫进行种类识别。通过改进YOLOv3的网络结构,采用上采样与卷积操作相结合的方法实现反卷积,使算法能够有效地检测到图片中体型较小的作物害虫样本;通过对采集到的实际场景下20类害虫进行识别测试,识别精度均值可达到88.07%。试验结果表明,本文提出的识别算法能够有效地对作物害虫进行检测和种类识别。

关键词：图像识别算法害虫分类深度卷积神经网络空间金字塔池化反卷积

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：