检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

41 篇 期刊文献
16 篇 学位论文

馆藏范围

57 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

54 篇 工学
- 27 篇 计算机科学与技术...
- 26 篇 软件工程
- 22 篇 控制科学与工程
- 21 篇 机械工程
- 7 篇 仪器科学与技术
- 7 篇 信息与通信工程
- 5 篇 电子科学与技术（可...
- 3 篇 航空宇航科学与技...
- 2 篇 化学工程与技术
- 2 篇 石油与天然气工程
- 2 篇 兵器科学与技术
- 2 篇 生物医学工程（可授...
- 2 篇 公安技术
- 1 篇 光学工程
- 1 篇 电气工程
- 1 篇 纺织科学与工程
- 1 篇 食品科学与工程（可...
- 1 篇 生物工程
15 篇 管理学
- 14 篇 管理科学与工程(可...
6 篇 艺术学
- 5 篇 设计学（可授艺术学...
3 篇 理学
- 2 篇 系统科学
- 1 篇 物理学
3 篇 农学
- 2 篇 植物保护
3 篇 医学
- 2 篇 临床医学
3 篇 军事学
- 3 篇 军队指挥学
- 2 篇 战术学
2 篇 法学
- 1 篇 政治学
- 1 篇 马克思主义理论
- 1 篇 公安学
1 篇 历史学
- 1 篇 考古学

主题

57 篇 alexnet模型
22 篇 卷积神经网络
10 篇 深度学习
7 篇 图像识别
6 篇 迁移学习
3 篇 图像处理
2 篇 深度可分离卷积
2 篇 googlenet模型
2 篇 数据增强
2 篇 微多普勒特征
2 篇 特征提取
2 篇 批量归一化
2 篇 图像预处理
2 篇 机器视觉
2 篇 vgg16模型
2 篇 无人机
2 篇 特征融合
2 篇 resnet模型
2 篇 缺陷检测
2 篇 图像检测

机构

3 篇 忻州师范学院
2 篇 特殊环境机器人技...
2 篇 西南石油大学
2 篇 太原科技大学
2 篇 南京航空航天大学
2 篇 浙江理工大学
2 篇 华北理工大学
2 篇 西南科技大学
2 篇 广东工业大学
2 篇 盐城工学院
1 篇 长安大学
1 篇 华中科技大学
1 篇 湖州市城市多维感...
1 篇 西安长峰机电研究...
1 篇 石家庄铁道大学
1 篇 湖州师范学院
1 篇 宝石机械成都装备...
1 篇 海军工程大学
1 篇 山东省数字医学与...
1 篇 首都医科大学

作者

2 篇 向伟
2 篇 沈然鑫
2 篇 曹建芳
2 篇 史晋芳
2 篇 cao jianfang
2 篇 xiang wei
2 篇 shi jin-fang
2 篇 胡涛
2 篇 hu tao
1 篇 liu bowen
1 篇 吴振华
1 篇 纪宇
1 篇 cui hongyan
1 篇 liu dong
1 篇 郝建峰
1 篇 lin zhenheng
1 篇 liu jianye
1 篇 shi sainan
1 篇 任国凤
1 篇 姜苏桐

语言

57 篇 中文

检索条件"主题词=AlexNet模型"

共 57 条记录，以下是31-40 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于改进卷积神经网络的图像识别

基于改进卷积神经网络的图像识别

引用

作者：翁文情华中科技大学

学位级别：硕士

深度学习技术的飞速发展,使得机器学习算法的性能也大幅度提升,深度学习的层级结构可以学习多层次抽象数据的特征信息,通过反向传播算法指导深度神经网络模型改变内部参数,基于上一层的特征来计算下一层特征,以发现大量数据中复杂的结... 详细信息

深度学习技术的飞速发展,使得机器学习算法的性能也大幅度提升,深度学习的层级结构可以学习多层次抽象数据的特征信息,通过反向传播算法指导深度神经网络模型改变内部参数,基于上一层的特征来计算下一层特征,以发现大量数据中复杂的结构。深度学习中的卷积神经网络(CNN)在计算机视觉领域中得到了广泛应用,成为图像识别任务的一个重要武器,卷积神经网络已突破传统方法的极限达到优于人眼识别的地步。在海量图像数据中,挖掘数据中重要的信息,快速有效地训练出性能良好的卷积神经网络模型也成为了重点关注问题。本文中重点是优化改进卷积神经网络模型,首先引入蒸馏学习,将复杂模型蒸馏压缩成简单模型,使得蒸馏学习后的简单模型的识别精度比使用传统方法训练的简单模型高。其次结合深度学习和传统机器学习技术,卷积神经网络对图像数据具有良好的特征提取能力,但在识别分类方面不是最优的,卷积神经网络仅利用最后一层特征,使用softmax分类器进行分类;而集成学习的分类性能良好,识别精度高,但对于图像数据这种复杂的变形的特征,难以达到好的学习效果,本文将能够学习到良好特征信息的卷积神经网络和有良好分类效果的集成学习进行结合,取长补短提高图像识别精度。本文对经典数据集cifar-10进行图像识别,首先使用传统方法训练简单模型alexnet,之后引入蒸馏学习,对VGG16模型进行预训练得到soft target,作为先验概率指导alexnet模型训练,识别准确率得到显著提高。其次,使用卷积神经网络多层特征和XGBoost算法相结合的图像识别方法,该方法是在蒸馏学习后的alexnet模型基础上,提取多层特征图,采用串行融合法和PCA降维技术构成具有更多重要信息的特征向量,利用XGBoost分类器代替alexnet模型的softmax分类器,进一步提高卷积神经网络的识别性能和泛化能力。

关键词：深度学习卷积神经网络 alexnet模型蒸馏学习 XGBoost

来源：评论

学校读者我要写书评

暂无评论

基于深度学习神经网络的图像搜索技术研究

基于深度学习神经网络的图像搜索技术研究

引用

作者：衣姝颖山东师范大学

学位级别：硕士

在大规模的图像数据集中搜索相似图像是近年来比较热门的研究课题,它在生活各方面都有着广泛的应用。图像搜索技术,即将我们建立的图像数据库中与待查询图像相似或相同的一系列图像提取出来的技术。至于图像间的相似度,则需要通过图像... 详细信息

在大规模的图像数据集中搜索相似图像是近年来比较热门的研究课题,它在生活各方面都有着广泛的应用。图像搜索技术,即将我们建立的图像数据库中与待查询图像相似或相同的一系列图像提取出来的技术。至于图像间的相似度,则需要通过图像间的特征来判断。现在的图像检索大多是基于内容的图像搜索(Content-based Image Retrieval)即CBIR,相对于它之前的基于文本的图像搜索,该方法主要是通过分析处理图像本身所包含的包括大小、形状和颜色等方面的内容信息,进而根据这些图像信息从图像库中搜索到相似图像。但是由于当今社会数据规模的不断增大,在数据存储、处理速度和结果准确性方面对图像搜索系统都有着越来越高的要求。深度学习(Deep Learning)是近几年比较火的一种能自动进行任务学习的机器学习方法,通过模仿人脑处理信息的机制来处理文本、声音和图像等信息。它是具有多个通过权重相连接的隐藏层的深度神经网络(Deep Neural Network,DNN),可以对大量的数据进行学习从而得到有用的数据特征,进而提升模型对数据预测和分类的准确性。与浅层的神经网络相比,深度学习通常含有不止一层的隐藏层,网络深度的增加有利于其从大数据中学习到更多样的描述数据内在信息的数据特征。本文首先简要地介绍了一下基于文本和基于内容的图像搜索技术的优劣性,之后引出了深度学习的相关知识和卷积神经网络的相关技术和算法,着重介绍了倒排索引和哈希编码的相关知识。本文结合倒排索引和哈希编码设计了一个基于深度学习的图像搜索系统。与传统的图像搜索系统相比,该系统不需要预先人工提取图像的表达特征,可以直接对大量的原图像进行学习,这就消除了人工标注的不准确性,同时也能显著地提高图像的搜索效率。

关键词：图像搜索深度学习 alexnet模型联合倒排索引特征排序优化的哈希编码算法

来源：评论

学校读者我要写书评

暂无评论

基于微多普勒的无人机识别算法研究

基于微多普勒的无人机识别算法研究

引用

作者：郭佳华北理工大学

学位级别：硕士

“低小慢”目标作为低空安全问题的威胁之一,选择合适的识别技术十分必要。对无人机的微多普勒特征进行时频分析不仅可以对无人机的性能参数进行估计,还可以达到较为精确的识别效果。将时频分析算法应用于“低小慢”目标的识别,具有极... 详细信息

“低小慢”目标作为低空安全问题的威胁之一,选择合适的识别技术十分必要。对无人机的微多普勒特征进行时频分析不仅可以对无人机的性能参数进行估计,还可以达到较为精确的识别效果。将时频分析算法应用于“低小慢”目标的识别,具有极大的研究前景。研究的主要内容为:提出了一种基于短时傅里叶变换(short-time Fourier transform,STFT)与伪魏格纳-威尔分布(Pseudo-Wigner-Ville Distribution,PWVD)的联合时频算法。首先在电磁仿真软件FEKO中对不同类型的无人机进行三维立体建模,通过MATLAB软件循环改变无人机模型的角度,最终得到不同类型无人机的电磁散射仿真数据。利用联合时频算法对仿真数据进行分析,得到的时频图既保留了PWVD算法时频分辨率高的特点,同时抑制了交叉项的干扰,具有较好的时频分布特性。将实测数据经该算法处理后得到的时频图送入到alexnet模型进行分类,准确率为98.24%,高于传统的时频分析算法。提出了基于双通道alexnet模型的无人机分类算法。首先利用77GHz TI毫米波雷达对不同类型的无人机进行数据采集,通过数据预处理得到无人机的回波信号,将回波信号分别经过STFT与PWVD时频分析后得到无人机的实测数据集。双通道alexnet算法利用两个alexnet模型分别对两个实测数据集中的时频图进行特征提取,通过级联的方式将两个通道提取的特征进行特征融合,采用Softmax分类器进行分类。实验结果表明该算法优于利用传统时频分析算法得到的时频图在单通道中的分类效果。图50幅;表9个;参54篇。

关键词：毫米波雷达无人机微多普勒特征短时傅里叶变换伪魏格纳-威尔变换 alexnet模型

来源：评论

学校读者我要写书评

暂无评论

基于边缘智能的玉米叶片病害识别方法研究

基于边缘智能的玉米叶片病害识别方法研究

引用

作者：曹展源东北农业大学

学位级别：硕士

玉米是主要的粮食作物和牲畜的饲料,各国对玉米的需求量一直很大。这意味着提高玉米的产量,带动农民的经济发展也是我国亟需解决的问题。玉米的病害种类日益繁杂是制约产量提高的主要原因。因此,用计算机技术帮助农民识别玉米的病害是... 详细信息

玉米是主要的粮食作物和牲畜的饲料,各国对玉米的需求量一直很大。这意味着提高玉米的产量,带动农民的经济发展也是我国亟需解决的问题。玉米的病害种类日益繁杂是制约产量提高的主要原因。因此,用计算机技术帮助农民识别玉米的病害是学者们的重点研究之一。神经网络的图像识别技术作为新兴技术,逐渐成为农作物病害识别的主流。但是神经网络(Neural Networks)模型的训练和推理对计算机的性能要求较高,一般都在云服务器中完成。随着云计算(Cloud Computing)的发展,集中式进行数据存储和处理的问题也逐渐浮出水面。一方面需要处理的数据增多,加大了云服务器的负担;另一方面,云服务器离用户和数据源头“远”,数据传输延迟较高,不能保证处理的实时性要求。边缘计算(Edge Computing)的出现就是为了解决这两个问题。边缘计算的本质是把计算任务推向用户附近,就近提供智能化服务。快速识别玉米的病害不仅能降低农药的使用量和成本支出,还能增加玉米的产量。但是基于神经网络技术的玉米叶片病害识别技术计算量大,耗时比较长。所以它的实时性有待提高。本文研究了在边缘计算框架下利用神经网络技术识别玉米叶片病害的方法,主要完成以下四项工作:(1)提出了基于边缘智能图像识别的策略。Terminal-Edge协同策略把图像推理分为两部分执行,先在终端设备上执行部分程序,然后在边缘节点执行出推理结果;Terminal-Cloud协同策略和Terminal-Edge协同策略相似,也是把计算分为两部分执行,但是后部分的推理需要在云中心进行;Terminal-Edge-Cloud协同策略同时使用云计算和边缘计算,在移动设备完成数据的预处理,然后按序在边缘设备和云中心完成推理。协同策略是利用了边缘设备离数据源头近或云服务器的计算处理能力更强的优势,从而提升了图像识别系统的性能。(2)研究了提高玉米叶片病害识别准确率的方法。因为Alex Net模型使用了Dropout技术,改善了模型的过拟合,所以本研究应用了Alex Net模型来进行玉米叶片病害的识别。通过调整模型的超参数,将准确率提高到91.83%。同时将重叠池化改为非重叠池化,池化组合为Max-Ave-Max。最后平均测试准确度达到了96.75%,并且减小了损失率。(3)研究了Alex Net模型的计算分区。本文根据每一层计算产生的数据量大小和延迟时间来设置退出点。最终在Pooling5和Fc6之间设置退出点。在该退出点之后需要传输的数据量少、计算量大,适合在边缘端和云中心执行。(4)分析了基于边缘智能的协同策略性能。三种策略下推理图像的准确率几乎没有差别,但是对比延迟差距却很大。单一在云中心识别图像的总延迟为606ms,而Terminal-Edge协同策略下识别图像的延迟不到云中心推理的一半。Terminal-Cloud协同策略下减少的延迟时间少很多。Terminal-Edge-Cloud策略对于本次实验结果不是最佳的,但是对于有更复杂计算的神经网络却是更好的选择。对于能量消耗发现,在GPU上执行比在CPU上小很多。根据分析发现,基于边缘智能的协同策略确实提高了图像识别的性能。

关键词：边缘计算图像识别协同策略 alexnet模型玉米病害

来源：评论

学校读者我要写书评

暂无评论

智能电网运维系统中基于深度学习的预警分析

智能电网运维系统中基于深度学习的预警分析

引用

作者：刘天贵州财经大学

学位级别：硕士

自21世纪以来,智能电网在大数据技术和物联网技术的推动下不断革新。智能电网作为一种优化管理,可以充分满足用电需求和环保要求,促进资源的整合配置,使电网运行的安全性、可靠性和使用的经济性得到保障。在智能电网背景下,传统的运维... 详细信息

自21世纪以来,智能电网在大数据技术和物联网技术的推动下不断革新。智能电网作为一种优化管理,可以充分满足用电需求和环保要求,促进资源的整合配置,使电网运行的安全性、可靠性和使用的经济性得到保障。在智能电网背景下,传统的运维模式已经不能满足需求,这就需要在智能电网建设中引入新兴技术,向着无人值守、主动预警的智能化运维进行转变。在大数据时代,智能运维的理想状态是把运维工作的监控、管理和故障定位通过一些深度学习算法有机结合起来,所以本文首先研究国内外有关智能运维和深度学习的文献资料,综合了解智能运维的研究进度,为研究本文课题打好基础。其次搭建了智能运维平台并试运行,发现平台的预警模块时常出现错误预警,通过查找相关资料研究分析,最终选择设备预警作为本文的研究方向,在预警模块中引入深度学习方法,对变电设备进行创新型的预警。在深度学习方法的对比分析中,本文选择使用卷积神经网络对数据进行分析,卷积神经网络的连接和参数较少,能够通过控制它的深度和宽度来控制容量,这方便于建立一个较大的学习容量的模型,在模型的选择上,使用alexnet模型为基础,在此基础上进行改进,通过减少模型层数来提高训练速度,进而提高效率。对于实际场站中存在的错误预警,通过本文预警结果与平台预警对比验证,能够提高预警准确度。实现预警过程的智能处理和无人值守理念,减少人为因素造成的误差,更有效的实现预警智能化。

关键词：电力智能运维卷积神经网络 alexnet模型

来源：评论

学校读者我要写书评

暂无评论

PyTorch至ONNX的神经网络格式转换的研究

PyTorch至ONNX的神经网络格式转换的研究

引用

作者：王甜西安电子科技大学

学位级别：硕士

随着计算机性能的提高和大数据时代的到来,深度学习的应用越来越广泛。目前,多个公司都研发了深度学习框架,常见的深度学习框架有PyTorch、Tensorflow、Caffe、Mind Spore等。由于开源网站提供的深度学习模型所使用的开源框架与使用者... 详细信息

随着计算机性能的提高和大数据时代的到来,深度学习的应用越来越广泛。目前,多个公司都研发了深度学习框架,常见的深度学习框架有PyTorch、Tensorflow、Caffe、Mind Spore等。由于开源网站提供的深度学习模型所使用的开源框架与使用者的框架存在一定的差异性,学者无法直接使用已训练好的深度学习模型。针对这个问题,开源社区提出了一种神经网络表示标准:ONNX(Open Neural Network Exchange),作为一种中间格式实现各个框架之间的模型格式转换。本文以ONNX标准为基础,设计并实现了PyTorch2ONNX工具,可将PyTorch框架下的神经网络模型转换至ONNX格式。在分析PyTorch框架和ONNX框架的底层实现原理之后,完成了PyTorch2ONNX工具的实现,主要分为三个部分:加载模型、转换模型以及保存模型。加载模型是加载PyTorch模型中的信息,通过分析PyTorch模型的定义以及底层实现,设计过程提取转换需要的信息,包括操作种类、前向传播过程以及参数信息等。转换模型是将加载的模型信息转换成ONNX格式的信息,并生成ONNX模型。生成ONNX模型需要经过以下几个步骤:生成模型输入层、生成模型操作层、生成模型输出层、生成图以及生成模型。保存模型是将生成的ONNX模型序列化后保存至ONNX文件中。本文还设计了一个直接计算输出特征形状的过程,减少前向传播推理次数,提高工具效率。工具目前支持了九种常见的卷积神经网络操作的转换,可实现由这九种操作组成的神经网络模型的转换,如一些经典神经网络模型:Le Net模型,Alex Net模型、Vgg模型以及Res Net模型。在文章的最后对工具进行了性能测试实验,包括转换后模型结构与参数的验证、转换后模型精度的验证以及转换效率的验证。本文采用ILSVRC2012图片分类数据集的验证数据集对模型进行验证实验。实验结果表明,转换后的模型结构与原模型一致,模型前向传播的结果不变,对数据集的预测精度相同,证明了转换过程的正确性。之后与PyTorch官方提供的转换工具做对比,实验结果表明,PyTorch官方工具转换的ONNX模型虽然实现了模型前向传播结果的一致性,但改变了模型的内部结构。PyTorch官方工具没有实现Dropout操作和批量归一化操作的转换,其通过改变邻近操作,使得转换后的ONNX模型与PyTorch模型的前向传播推理结果一致。除此之外,本文实现的PyTorch2ONNX工具的转换效率要明显优于PyTorch官方转换工具的效率。

关键词： ONNX PyTorch 格式转换 alexnet模型 ResNet模型

来源：评论

学校读者我要写书评

暂无评论

基于alexnet的运动想象脑电识别研究

基于AlexNet的运动想象脑电识别研究

引用

作者：赵龙辉广东工业大学

学位级别：硕士

脑机接口(Brain-computer Interface,BCI)不需要借助于人体正常的神经和肌肉系统,给人脑提供对外部设备控制的一种直连通道,在康复治疗、教育保健和军事作战等领域发挥着日益重要的作用。然而脑电信号具有信噪比低和随机性强的特性,对... 详细信息

脑机接口(Brain-computer Interface,BCI)不需要借助于人体正常的神经和肌肉系统,给人脑提供对外部设备控制的一种直连通道,在康复治疗、教育保健和军事作战等领域发挥着日益重要的作用。然而脑电信号具有信噪比低和随机性强的特性,对脑电信号进行识别的难度较大,并且随着分类数量的增加识别难度进一步加大。许多传统非端到端脑电信号分类方法将特征提取和特征分类拆分成两个弱关联性的独立阶段包括特征提取算法和分类算法。这些方法需要人为选择特征,缺乏足够的先验知识、特征类型比较单一,导致识别准确率难以进一步提升。针对目前脑电识别研究中存在的问题和挑战,本文采用基于深度学习的端到端脑电识别方法对运动想象脑电识别研究进行进一步的探索。本文的主要研究工作包括以下三个方面:(1)为了克服训练样本数量少导致神经网络过拟合的问题,本文先采用短时傅里叶算法对EEG信号进行时频域转换。接着将高斯白噪声添加到频域信号中,然后通过逆短时傅里叶算法将其转换回时域,从而产生更多训练数据,最终解决了模型训练时泛化能力不足的问题。(2)本文提出了基于LeNet的浅层神经网络脑电识别方法。为了解决数据经过神经网络中间层时特征分布容易发生变化的问题,本文在网络模型中加入了批量归一化(Batch Normalization,BN)技术,并在同一个数据集上探索了批量归一化层对模型识别准确率的影响。实验结果表明采用了批量归一化层对中间层的数据进行归一化处理后有利于网络的训练,从而提升了网络的识别效果,为后面提出更多层数的卷积网络结构奠定了基础。(3)为了充分利用原始脑电信号中包含的时空信息,本文提出一种基于Alex Net的深度神经网络脑电识别模型。在前面实验的基础上,将网络模型中的LRN替换为BN,从而防止网络模型在训练时过拟合,进而加快收敛速度。为了减少参数、加快模型训练速度,将全连接层换成全局平均池化层。在与基于Le Net的模型识别效果的对比实验中证明了深层的卷积神经网络能够从EEG信号提取更多的时空域特征进而获得较高的识别准确率。

关键词：脑机接口运动想象数据增强 LeNet模型 alexnet模型

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的雷达有源干扰识别方法研究

基于深度神经网络的雷达有源干扰识别方法研究

引用

作者：郭治锐石家庄铁道大学

学位级别：硕士

随着科技水平的提高,雷达系统在现代电子战中发挥越来越重要的作用。雷达有源干扰可以有效的干扰雷达系统的正常工作,因此,雷达系统不可避免的需要具备自动识别干扰信号的能力,从而才能根据干扰信号的类型选取合适的抗干扰手段。近年来... 详细信息

随着科技水平的提高,雷达系统在现代电子战中发挥越来越重要的作用。雷达有源干扰可以有效的干扰雷达系统的正常工作,因此,雷达系统不可避免的需要具备自动识别干扰信号的能力,从而才能根据干扰信号的类型选取合适的抗干扰手段。近年来,深度学习受到了广泛关注,其中alexnet模型在图像处理、模式识别等相关领域中取得了许多成就。基于深度学习中alexnet模型在图像识别上的成功,本文提出了一种采用时频分析方法和alexnet迁移深度学习相结合的雷达干扰信号识别方法,并在低干噪比下对其进行改进。1、对常见的雷达有源干扰信号进行了建模仿真,并分析其原理。然后对基于决策树和BP神经网络的干扰识别算法进行简要介绍,并分析了各自的优缺点。2、对几种时频分析方法进行仿真,通过分析与对比其仿真结果,选择CWD变换对雷达有源干扰信号进行时频分析,生成了7种雷达有源干扰的CWD时频图像。3、在MATLAB平台中完整实现了基于alexnet迁移深度学习的干扰识别算法,其中包括数据集的生成以及网络训练参数的确定,然后重点分析了干扰在不同干噪比下的情况。仿真结果表明,alexnet模型针对雷达有源干扰信号在全干噪比(-10d B～20d B)下识别率可达98.7%,在低干噪比下识别率较低。4、提出了改进型alexnet模型,其采用Swish-Re LU6激活函数,Adam优化器,并调整了其网络结构,并与原始alexnet模型在低干噪比的识别率进行对比。仿真结果表明,针对雷达有源干扰,改进型alexnet模型在低干噪比(-10d B～0d B)下的识别率更高,干噪比在-10d B下干扰的整体识别率达95.7%,提高了5.5%。

关键词：干扰识别时频分析 alexnet模型 MATLAB仿真改进型alexnet

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的大豆质检方法

基于机器视觉的大豆质检方法

引用

作者：林伟江苏科技大学

学位级别：硕士

我国是世界上主要生产和消费大豆的国家之一。大豆分级直接影响着大豆售价及其制品的品质,而且大豆的精确分类是大豆分级的重要基础,传统大豆籽粒的二分类方法并不能满足现如今对大豆精细分类的应用需求。近些年来,机器视觉因其非破坏... 详细信息

我国是世界上主要生产和消费大豆的国家之一。大豆分级直接影响着大豆售价及其制品的品质,而且大豆的精确分类是大豆分级的重要基础,传统大豆籽粒的二分类方法并不能满足现如今对大豆精细分类的应用需求。近些年来,机器视觉因其非破坏性、精度高、速度快等特点,在现代农业生产、加工过程中得到了广泛的关注和应用,尤其是在农产品检测分级上的应用广泛。因此,本文针对大豆快速、多分类的应用需求,研制了基于机器视觉的大豆籽粒在线分类系统,该系统包括图像采集、图像预处理及图像分类识别三个部分。本文的主要研究内容和工作如下:（1）本文首先设计了一套图像采集和图像预处理系统,在明场照明的情况下使用工业摄像机获取大豆图像,然后使用中值滤波、图像二值化、分水岭算法、图像与操作、最小外接矩阵及图像统一尺寸等一系列图像处理的操作后形成227×227像素的三通道大豆籽粒图像,为后续的大豆籽粒图像的分类识别提供数据集的来源。（2）针对alexnet用于大豆籽粒快速、多分类时参数量大,较大的卷积核不利于提取大豆籽粒微小的特征,局部响应归一化中的参数不可学习以及激活函数Re LU容易失活等问题,对alexnet进行了改进。具体的改进内容包括去除alexnet一层卷积层及一层全连接层并将全连接层中的神经元数量进行了压缩;把3×3的卷积核作为改进后的alexnet的卷积核;将局部响应归一化改成了批量归一化;将激活函数Leaky Re LU作为改进后alexnet的激活函数。改进后的alexnet包含4层卷积层、2层批量归一化层、3层最大池化层、1层全连接层及1个Softmax分类器。使用多线程并发实现改进后的alexnet并训练、验证改进后的alexnet,将其权值保留用作CUDA C++实现改进后的alexnet的权值并对其进行测试。用多线程并发实现的改进后的alexnet在服务器上经119次训练后,模型的训练集及验证集的分类准确度分别为96.8%与91.56%。（3）使用CUDA C++实现改进后的alexnet,搭建基于NVIDIA Jetson TX2为核心的机器视觉系统并将改进后得alexnet移植到该系统上完成大豆籽粒在线分类系统。在NVIDIA Jetson TX2上识别一粒大豆的时间约为6ms,其识别准确度为92.92%,基本满足快速分类的应用需求。

关键词：图像处理大豆籽粒分类 alexnet模型 CUDA

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的飞行小目标识别方法研究

基于神经网络的飞行小目标识别方法研究

引用

作者：梁健涛华北理工大学

学位级别：硕士

近十年来,飞行小目标逐渐进入人们的视线。众多不同型号、样式和功能的飞行小目标广泛应用在各个领域,但飞行小目标又存在一些安全隐患。因此对于遥控飞机、直升机和四旋翼等飞行小目标的有效检测和识别成为当今政府空中管制和安全保障... 详细信息

近十年来,飞行小目标逐渐进入人们的视线。众多不同型号、样式和功能的飞行小目标广泛应用在各个领域,但飞行小目标又存在一些安全隐患。因此对于遥控飞机、直升机和四旋翼等飞行小目标的有效检测和识别成为当今政府空中管制和安全保障的首要问题。由于无人机是典型的低空航行、速度较慢并且体积较小的飞行目标,所以对无人机的有效检测与高效识别非常艰难。为了解决这一问题,越来越多的人开始深入研究无人机的高效检测和准确识别。因此如何高效实时的识别无人机是当前研究的关键问题。为了高效、实时和准确的对多种类无人机进行探测识别,提出了一种使用单模态毫米波雷达（Single-Mode Millimeter Wave Radar,SMMWR）探测无人机,并且基于LBN-alexnet（Leaky-Re Lu Batch Normalization alexnet,LBN-alexnet）模型对无人机特征进行识别的方法。首先创建旋翼叶片仿真模型并针对X波段雷达对其探测并提取微动特征,其次是使用SMMWR对实际中多种类无人机进行探测,对回波进行二维傅里叶变换和二维恒虚警率处理,并提取其微多普勒特征。最后采用LBNalexnet方法对特征数据集进行训练,得到无人机的识别正确率。为了验证提出方法的实时高效性,另外采用支持向量机（Support Vector Machine,SVM）、alexnet模型方法对同一数据集进行对比实验。在实际探测中分别对三种和四种不同种类型的无人机进行探测,得到其在不同训练模型下的识别率。同时对不同环境下的无人机进行多场景测试实验,不仅实现了多种类无人机的高效识别,而且对不同场景下的无人机识别也提供了保障。实验结果显示,基于LBN-alexnet模型对多种类无人机的识别正确率可达到93.75%,明显高于其他两种识别方法,其识别速度更快。因此在实际生活中为了实现无人机的高效实时识别,可以使用模型来识别探测多种类无人机,而且在保证无人机识别正确率的情况下,很大程度上减小了无人机识别的时间。图43幅;表9个;参60篇。

关键词：单模态毫米波雷达无人机微多普勒特征图像分类 LBN-alexnet模型支持向量机 alexnet模型

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共6页 << < 1 2 3 4 5 6 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：