检索结果-内蒙古大学图书馆

作者：陈晓铭华南理工大学

学位级别：硕士

近年来,随着计算机和网络技术的飞速发展,如何准确而快速地从海量的视频或图像数据中检测到人脸,已成为当下重要的研究课题。传统的的人脸检测算法主要使用手工特征进行检测。由于手工特征对于复杂场景中人脸的表达能力不足,传统算法在... 详细信息

近年来,随着计算机和网络技术的飞速发展,如何准确而快速地从海量的视频或图像数据中检测到人脸,已成为当下重要的研究课题。传统的的人脸检测算法主要使用手工特征进行检测。由于手工特征对于复杂场景中人脸的表达能力不足,传统算法在这些情况下性能会大打折扣。相关研究表明,卷积神经网络具有从图像中提取出高级视觉特征的能力,因此越来越多的研究人员将卷积神经网络应用到人脸检测领域。另外,现阶段在人脸检测中所应用的卷积神经网络的模型较大,并不完全适用于移动或嵌入式设备的人脸检测任务。为了解决人脸检测中的复杂场景中的人脸检测、带标签的训练样本有限、现有算法的模型较大等问题,本文以卷积神经网络为基础,更改网络的组成,提出了基于深度可分离卷积的轻型卷积神经网络的人脸检测算法,并提出利用多尺度融合人脸特征进行训练,以提高该算法的鲁棒性。此外,创新式的将注意力模块应用在人脸检测任务中,提出基于注意力模块的轻型卷积神经网络的人脸检测算法,以帮助模型快速定位人脸所在位置。本文的主要工作如下:(1)更改网络组成。将深度可分离卷积层引入人脸检测算法,提出并设计基于深度可分离卷积的轻型卷积神经网络的人脸检测算法,以适用于移动或嵌入式设备的人脸检测任务。(2)优化特征提取方式。提出融合不同尺度、不同等级的人脸特征,形成包含不同尺度、不同等级的人脸信息的多尺度融合人脸特征,以提高该算法的鲁棒性。同时提出构造特征金字塔网络,以充分利用多尺度融合人脸特征。(3)解决带标签的训练样本有限的问题。针对人脸检任务中,人脸数据集的训练样本不足以训练庞大模型的问题,创新式的将迁移学习应用到人脸检测任务,提出使用与人脸数据集互属相似的大规模数据集来预训练网络。(4)优化网络结构。创新式的将注意力模块应用在人脸检测任务中,提出并设计基于注意力模块的轻型卷积神经网络的人脸检测算法,在网络各个阶段后加入注意力模块,以帮助模型快速定位人脸所在位置,提高人脸检测的准确率。

关键词：人脸检测算法轻型卷积神经网络深度可分离卷积注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于轻型卷积神经网络的舌苔颜色分类方法

引用

测控技术 2019年第3期38卷 26-31页

作者：肖庆新张菁张辉李晓光卓力北京工业大学信号与信息处理研究室北京100124

舌象特征的自动分析是中医舌诊客观化的核心内容。舌苔颜色作为舌象最基本的特征,其分类的准确程度决定了后续舌象分析的有效性。因此,提出了基于轻型卷积神经网络架构的舌苔颜色分类方法。考虑到实际采集中舌象样本较少且类别不平衡的... 详细信息

舌象特征的自动分析是中医舌诊客观化的核心内容。舌苔颜色作为舌象最基本的特征,其分类的准确程度决定了后续舌象分析的有效性。因此,提出了基于轻型卷积神经网络架构的舌苔颜色分类方法。考虑到实际采集中舌象样本较少且类别不平衡的特点,对舌象样本中不平衡的舌苔颜色类别进行数据扩充;通过设计轻型卷积神经网络,将特征提取和分类纳入到一个框架中统一进行处理,利用数据驱动学习图像与其属性的映射关系,得到舌苔颜色分类模型,从而实现对舌象样本的苔色分类。实验结果表明,提出的舌苔颜色分类方法可以取得94. 85%的分类准确率,对辅助中医临床诊疗及临床研究具有现实意义。

关键词：中医舌诊舌象轻型卷积神经网络舌苔颜色分类

来源：评论

学校读者我要写书评

暂无评论

有噪声标注情况下的中医舌色分类方法

引用

电子与信息学报 2022年第1期44卷 89-98页

作者：卓力孙亮亮张辉李晓光张菁北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京重点实验室北京100124

舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练。为此,该文提出... 详细信息

舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练。为此,该文提出一种有噪声标注情况下的中医舌色分类方法:首先,提出一种两阶段的数据清洗方法,对含有噪声的标注样本进行识别,并进行清洗;其次,设计一种基于通道注意力机制的轻型卷积神经网络,通过增强特征的表达能力,实现舌色的准确分类;最后,提出一种带有噪声样本过滤机制的知识蒸馏策略,该策略中加入了由教师网络主导的噪声样本过滤机制,进一步剔除噪声样本,同时利用教师网络指导轻型卷积神经网络的训练,提升了分类性能。在自建的中医舌色分类数据集上的实验结果表明,该文提出的舌色分类方法能以较低的计算复杂度,显著提升分类的准确率,达到了93.88%。

关键词：中医舌色分类噪声标注样本数据清洗知识蒸馏轻型卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

面向可穿戴应用的神经网络处理算法研究

面向可穿戴应用的神经网络处理算法研究

引用

作者：尹毅博中国科学院大学

学位级别：博士

随着可穿戴硬件设备的不断发展和健康监护意识的不断深入人心，生理信号采集系统在向便携、家用等方向不断进步，随之而来的是需要处理的生理信号数据规模的不断扩大，使用计算机算法自动处理未来庞大规模的生理信号成为当前最佳的解决... 详细信息

随着可穿戴硬件设备的不断发展和健康监护意识的不断深入人心，生理信号采集系统在向便携、家用等方向不断进步，随之而来的是需要处理的生理信号数据规模的不断扩大，使用计算机算法自动处理未来庞大规模的生理信号成为当前最佳的解决办法。随着深度学习算法技术的蓬勃发展，生理信号处理算法逐渐分为以数字信号处理方法为主的传统信号处理方法，和以端到端的神经网络算法为代表的数据学习驱动的深度学习方法。深度学习技术的出现大大减少了传统信号处理算法中人工的参数调节，推动了生理信号数据库中算法性能的进一步提高。但是目前，对生理信号处理算法研究又提出了新的挑战和要求:可穿戴家用设备在多场景中采集信号时会引入更多更复杂的噪声导致算法性能下降;可穿戴设备目前仍有低功耗的需求，需要部署轻量的算法;深度学习算法缺少可解释性，部分情况下的性能差强人意等等。本文对心音、心电、光电容积脉搏波信号的处理进行了不同方面的研究，重点研究了小规模神经网络算法的应用，主要包括:　　(1)基于端到端轻型神经网络的心音分类算法:本文针对心音的正常和异常分类问题，开发了一种仅需要434个参数的轻型卷积神经网络，在PhysioNet/CinC Challenge 2016数据集上进行了实验，得到结果的准确率、灵敏度、特异度分别为0.8733、0.8632、0.8760。本算法在性能与其他方法相当的基础上，参数量和计算量明显低于其他方法，并且特征提取步骤中仅使用短时傅里叶变换方法作为特征提取方法，避免了复杂的特征提取方法，适合开发低成本硬件实现。　　(2)抗心率失常的时间卷积网络和半隐马尔可夫模型的心音分割算法:针对传统心音信号处理方法中的心音分割步骤，本文提出了一种使用时序卷积神经网络和半隐马尔可夫模型结合的算法处理架构，该架构能以高性能和低计算量实现实时的心音状态分类，在PhysioNet/CinC Challenge 2016数据集上进行了算法测试，得到了0.9702的F1分数。另外，因为过去的维特比算法会在发生心率失常的心音中出现标注错误，本文通过改变舒张期分布模型和状态持续时间概率的计算权重的方法改进维特比算法，可以在不增加计算量的基础上消除数据库中大部分心律失常带来的错误。　　(3)单导联心电异常位置定位神经网络组合算法:针对长时间单导联连续心电图中室性早搏(Premature Ventricular Contraction，PVC)和室上性早搏(Supraventricular Premature Beat，SPB)的准确定位问题，本文提出了一种轻型卷积神经网络和双向长短期记忆网络的二级算法结构，可以有效降低处理全部数据的计算量，该算法结构参加了The 3rd China Physiological Signal Challenge 2020(CPSC 2020)比赛并排名第十。模型训练时使用特殊的Focal loss参数和模型选择方法，使最终模型结果优先保证了疾病样本的检出准确率。本文再次利用CPSC 2020提供的数据对模型进行训练，得到PVC和SPB的P+、Se、F1得分分别为0.5216、0.9390、0.6698和0.4654、0.8973、0.6111。　　(4)端到端SE-TCN架构光电容积脉搏波(PhotoPlethysmoGraphy，PPG)信号心率提取算法:针对基于运动手环采集的腕部PPG信号的心率监测问题，本文先实现了一种以离散傅里叶变换和谱减法去运动伪迹为核心的简单心率提取算法，并且实现了该算法的32位定点化代码，避免了浮点数计算，可以直接应用到单片机等性能有限的可穿戴设备硬件中，该算法在2015年IEEE信号处理杯提供的数据库上进行了实验，得到平均绝对误差为1.47和3.30，证明该算法性能与其他文献中结果相当;随后本文提出使用SE-TCN架构的深度神经网络算法对PPG信号进行端到端的心率提取，在大规模数据库PPG-DaLia上得到平均绝对误差为5.22，并且通过对比证明本文使用的SE模块能有效提高TCN网络的性能，达到目前先进水平。

关键词：生理信号处理端到端轻型神经网络时间卷积网络半隐马尔可夫模型轻型卷积神经网络双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的中医舌象特征分类技术研究

基于深度学习的中医舌象特征分类技术研究

引用

作者：肖庆新北京工业大学

学位级别：硕士

舌诊是中医(Traditional Chinese Medicine，TCM)四诊中望诊的核心内容，医生通过观察患者舌象(tongue manifestation)的苔色、舌色、腐腻等各种特征来诊察病症，是中医辨证施治的关键环节之一。随着中医舌诊客观化的不断发展，国内外... 详细信息

舌诊是中医(Traditional Chinese Medicine，TCM)四诊中望诊的核心内容，医生通过观察患者舌象(tongue manifestation)的苔色、舌色、腐腻等各种特征来诊察病症，是中医辨证施治的关键环节之一。随着中医舌诊客观化的不断发展，国内外的学术界和工业界将信息技术引入到传统的中医学领域，在舌象特征的自动分类与描述中取得了长足的进展。虽然经过多年的研究，已经证明了利用计算机图像处理技术进行中医舌象自动分类的可行性，但由于现有方法大多采用手工设计特征，且需要依赖于一定的领域经验，因而存在计算量大、复杂度高等问题，特别是当图像采集环境发生变化时，其分类性能将会显著降低，因而鲁棒性难以尽如人意。　　近年来，深度学习(deep learning)技术迅猛发展，它通过建立多层弹性的非线性映射来模拟人脑多层次认知机理，可以从海量的数据中高效地进行特征提取，实现多层次的特征表达，从而获得更加优越的性能，为舌象特征分类(feature classification)提供了新的研究思路。尽管深度学习技术在图像分类、目标检测和语义分割等诸多领域取得了突破性的进展，然而，由于中医舌象需要分析的特征(苔色、舌色、腐腻等)类别繁多，每种特征又有其自身的特点，为此，需要根据不同的舌象特征设计专门的深度网络架构，从而获得最优的特征分类性能。　　为此，论文针对中医舌象特征的具体特点，开展基于深度学习的中医舌象特征自动分类技术研究，具体内容包括:　　(1)考虑到舌苔样本数量较少和样本不均衡等因素，提出一种基于轻型卷积神经网络的中医舌苔颜色分类方法。首先对己标注的舌苔训练样本通过几何变换等数据扩充方式平衡数据集;然后设计轻型卷积神经网络，将特征提取和分类纳入到一个框架结构中，通过设置网络参数和迭代次数，选择具有最优分类性能的模型作为舌苔颜色分类模型;最后利用舌苔颜色分类模型对舌图像进行识别，得到舌苔颜色分类结果。　　(2)为了提高舌质颜色的特征区分能力，提出一种基于多级特征融合的中医舌质颜色分类方法。该方法分为舌质颜色数据集的构建和网络模型设计与训练两个阶段，在舌质颜色数据集的构建阶段，首先将舌体部分从原图像中提取出来，然后采用最小二乘方法对舌体进行歪斜校正，最后去除舌根部位并提取舌体U型结构建立舌质颜色数据集。在网络模型设计与训练阶段，通过融合低层卷积特征和高层卷积特征两个级别特征，来增加特征的多样性，经过训练分类网络，实现对舌质颜色的分类。　　(3)为了挖掘表现力强的舌苔腐腻特征，将迁移学习策略引入到舌苔腐腻分析过程中，提出一种基于迁移学习和多模型决策的中医舌苔腐腻分类方法。首先采用预训练加网络微调的迁移学习策略，利用舌苔腐腻数据集对大数据集上训练出的网络模型进行网络微调，进行舌苔腐腻预分类，然后通过模型准确性对比进行多模型决策，综合对舌苔腐腻进行判别，得到舌苔腐腻分类结果。

关键词：中医舌诊舌象特征图像分类轻型卷积神经网络多级特征融合迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于双视角视频数据的营运车辆驾驶员姿态识别研究

基于双视角视频数据的营运车辆驾驶员姿态识别研究

引用

作者：聂平稳东南大学

学位级别：硕士

随着社会的发展,社会对交通安全的要求越来越高,缓解严峻的交通安全形势,将有助于社会更和谐稳定地发展,通过技术手段对驾驶员行为进行检测,并采取适当的形式进行驾驶行为干预,能很好地降低交通事故的风险,但现阶段关于驾驶行为检测的... 详细信息

随着社会的发展,社会对交通安全的要求越来越高,缓解严峻的交通安全形势,将有助于社会更和谐稳定地发展,通过技术手段对驾驶员行为进行检测,并采取适当的形式进行驾驶行为干预,能很好地降低交通事故的风险,但现阶段关于驾驶行为检测的研究往往只对理想环境下的局部驾驶姿态进行检测,同时国内驾驶的数据集不足,研究的本地化程度较差。因此,本研究基于营运货车驾驶员驾驶行为检测的需求,构建本地化数据库,并利用卷积网络轻型化技术,搭建轻型卷积神经网络,实现驾驶姿态的检测,并通过姿态的拆分和组合,实现驾驶动作的识别。首先,基于前人研究,提出五类危险驾驶行为:“操作仪表盘、导航”,“打电话”,“单手驾驶”,“发短信、发语音”和“抽烟、吃东西、喝水”,设计并收集了201份有效问卷,基于问卷数据得出在营运货车群体普遍存在五类危险驾驶行为;同时基于390段自然驾驶情况下的视频数据,并将驾驶行为拆分成六类驾驶动作:吃东西等、拿放东西、打电话、单手驾驶、操纵档位、正常驾驶,构建姿态回复时间、视线偏移时间等物理指标,实现对驾驶动作的危险性分析。其次,分析营运货车驾驶舱的数据采集环境,设计双视角数据采集方案并采集数据,随后基于固定视角下的双视角图像的特殊性及驾驶动作识别的需求,对数据进行冗余数据剪除和压缩,构建包含109000张图片的SEU-HJSRG数据集,并考虑识别模型的开发过程和节省计算资源,构建包含54000张图像18个类别的短暂和持续型状态量数据集、包含10000张图像2个类别的视线偏移量数据集。再次,针对视线偏移检测的特殊性,构建仅利用单视角头部数据的小型卷积神经网络,模型精度达到0.99。同时基于网络轻型化技术,设计宽视角单元、深视角单元等,搭建双输出卷积神经网络,实现持续型和短暂型状态量的识别,对于持续和短暂型状态量,模型的识别精度分别达到0.99和0.97,并且模型通过共用前几层识别图像的浅层特征,相对于分别识别两个视角图片,识别时间缩减20%。最后,整合上述模型构建联合识别模型,实现驾驶姿态的识别,通过3段视频的示例分析,系统识别单张图片时间小于0.19秒,识别精度约为0.96,模型实时性和精度良好。同时,整合上述包括视频处理、图片预处理技术、以及视线偏移检测、持续和短暂型状态量识别模型,设置超参数g和T构建个性化驾驶动作识别系统。以基于流媒体的实时驾驶动作分析和基于视频数据的批量危险驾驶动作检测两个方面的应用为例,分析了系统在驾驶安全应用前景。

关键词：驾驶安全双视角图像数据轻型卷积神经网络驾驶姿态

来源：评论

学校读者我要写书评

暂无评论

无人机遥感影像轻型交通标志实时检测方法研究

引用

测绘与空间地理信息 2022年第12期45卷 198-201页

作者：郭本丽江苏省地质测绘院江苏南京211102

常规目标检测模型对于硬件需求较高,难以在无人机载硬件上直接运行并实施流畅交通标志检测。针对这一问题,本文提出一种轻型的交通标志检测模型。该模型基于轻量级卷积神经网络结构设计,利用非对称卷积核级联特征提取层特征以及最大池... 详细信息

常规目标检测模型对于硬件需求较高,难以在无人机载硬件上直接运行并实施流畅交通标志检测。针对这一问题,本文提出一种轻型的交通标志检测模型。该模型基于轻量级卷积神经网络结构设计,利用非对称卷积核级联特征提取层特征以及最大池化层搭建特征提取网络,并利用三层特征增强网络实现对无人机遥感影像中多尺度、多类别交通标志的快速精准检测。同时针对原始图像质量问题设计了图像增强模块,提高了训练后模型的泛化能力。测试结果表明,本文提出的模型能够在无人机硬件上流畅运行,并能够对多场景下的交通标志目标实施精准检测。

关键词：无人机遥感影像交通标志检测轻型卷积神经网络图像增强

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：