检索结果-内蒙古大学图书馆

武汉大学学报（信息科学版） 2022年第4期47卷 632-638页

作者：刘明忠贾永红武汉大学遥感信息工程学院湖北武汉430079

针对手写汉字文本识别准确率不高的问题,提出了一种结合卷积神经网络和循环神经网络进行手写汉字文本识别的端到端方法。首先,通过inception模块构建的卷积神经网络提取文本图像的基本特征;然后,使用循环神经网络对提取的特征进行预测,... 详细信息

针对手写汉字文本识别准确率不高的问题,提出了一种结合卷积神经网络和循环神经网络进行手写汉字文本识别的端到端方法。首先,通过inception模块构建的卷积神经网络提取文本图像的基本特征;然后,使用循环神经网络对提取的特征进行预测,并输出一个关于汉字字符集的概率分布;最后,采用连接主义序列分类算法计算识别结果并构建损失函数。利用所提方法在手写汉字文本数据集上进行实验,结果表明,inception模块和数据增强方法可以有效提升算法的性能,并取得了71.2%的识别准确率和0.060的文本编辑距离,较现有方法性能有所提升,证明了所提方法的有效性。

关键词：手写汉字文本识别 inception结构卷积神经网络循环神经网络连接主义序列分类手写汉字文本数据集

来源：评论

学校读者我要写书评

暂无评论

一种基于inception结构的神经网络协同过滤推荐算法

引用

软件导刊 2020年第7期19卷 50-55页

作者：金铭李俊温州大学计算机与人工智能学院浙江温州325035

在商品推荐领域,商品评论信息往往难以得到有效利用。为了充分利用商品评论信息,提高商品推荐系统精度,对NCF神经网络协同过滤模型进行改进,将NCF模型与inception结构的卷积神经网络相结合,提出基于inception结构的神经网络协同过滤方法... 详细信息

在商品推荐领域,商品评论信息往往难以得到有效利用。为了充分利用商品评论信息,提高商品推荐系统精度,对NCF神经网络协同过滤模型进行改进,将NCF模型与inception结构的卷积神经网络相结合,提出基于inception结构的神经网络协同过滤方法(NCF-i模型),将商品评论信息融入模型进行预测和推荐。首先基于inception结构的卷积神经网络对商品评论信息进行分析并提取多元特征模型,然后将多元特征模型添加到NCF模型中,通过多层全连接层获取用户、商品及商品评论之间的非线性关系,最后基于此非线性关系对商品进行预测和推荐。通过基于真实数据集的实验证明,应用NCF-i模型的推荐算法,推荐系统的预测精度和稳定性均优于当前常用的推荐模型。

关键词：协同过滤模型商品评论商品推荐 inception结构神经网络

来源：评论

学校读者我要写书评

暂无评论

基于inception-SSD算法的零件识别

引用

光学精密工程 2020年第8期28卷 1799-1809页

作者：余永维韩鑫杜柳青重庆理工大学机械工程学院重庆400054

针对传统目标检测方法不能兼顾目标识别精度和检测实时性,且在实际生产复杂工况下识别效果不佳的问题,提出一种基于inception-SSD框架的零件深度学习识别方法。首先,提出了融合inception预测结构的SSD优化框架inception-SSD,将Inceptio... 详细信息

针对传统目标检测方法不能兼顾目标识别精度和检测实时性,且在实际生产复杂工况下识别效果不佳的问题,提出一种基于inception-SSD框架的零件深度学习识别方法。首先,提出了融合inception预测结构的SSD优化框架inception-SSD,将inception网络结构引入到SSD网络额外层中,并使用批量标准化模块(BN)和残差结构连接,从而捕获更多目标信息而又不会增加网络复杂性,以提高检测准确率而又不影响其检测速度,并增加算法鲁棒性;然后提出在原损失函数基础上增加排斥损失项以改进损失函数,同时采用一种基于加权算法的非极大值抑制方法,克服模型表达能力不足的缺点。最后,将改进前后SSD算法在自制零件数据集上进行训练和测试,实验结果表明本文方法在实际生产过程复杂情况下检测准确率达到97.8%,相比原SSD算法提升11.7%,检测速率41 frame/s。在提高检测精度同时还保证了实时性,能够满足实际生产环境零件检测需求。

关键词：深度学习目标检测零件识别 inception结构残差结构

来源：评论

学校读者我要写书评

暂无评论

基于改进SSD算法的车辆检测

引用

计算机工程 2022年第1期48卷 266-274页

作者：李国进胡洁艾矫燕广西大学电气工程学院南宁530004

SSD算法利用多尺度特征图进行分类和位置回归,检测小目标效果优于YOLO算法,但SSD算法在进行车辆检测时存在漏检问题。为此,提出一种改进SSD算法。为提取更多的车辆特征信息,设计改进inception模块替代SSD网络中的Conv8、Conv9和Conv10... 详细信息

SSD算法利用多尺度特征图进行分类和位置回归,检测小目标效果优于YOLO算法,但SSD算法在进行车辆检测时存在漏检问题。为此,提出一种改进SSD算法。为提取更多的车辆特征信息,设计改进inception模块替代SSD网络中的Conv8、Conv9和Conv10层。将浅层特征的位置信息和深层特征的语义信息进行均衡化融合,构建多尺度特征融合均衡化网络,提高小目标车辆识别率。在特征提取层均引入SENet,对不同特征通道的重要性进行重标定以提高模型性能。实验结果表明,改进后SSD算法在自制的车辆数据集上平均精度为90.89%,检测速度达到59.42 frame/s,相比改进前的SSD算法,在精度和速度上分别提高2.65个百分点和17.41 frame/s,能够更快速、准确地对图像中的车辆进行识别和定位。

关键词：车辆检测 SSD算法 inception结构注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

基于FVC-CNN模型的野外车辆声信号分类

引用

中国科学院大学学报（中英文） 2023年第2期40卷 208-216页

作者：李翔王艳李宝清中国科学院上海微系统与信息技术研究所微系统技术重点实验室上海201800 中国科学院大学北京100049

针对野外环境下单通道车辆声信号受风噪影响严重、分类性能较低的问题,提出一种基于声阵列4通道同步采集信号的一维卷积神经网络模型(FVC-CNN)。该模型借鉴注意力机制加权平均的思想对inception网络结构进行改进,作为输入层有针对性地提... 详细信息

针对野外环境下单通道车辆声信号受风噪影响严重、分类性能较低的问题,提出一种基于声阵列4通道同步采集信号的一维卷积神经网络模型(FVC-CNN)。该模型借鉴注意力机制加权平均的思想对inception网络结构进行改进,作为输入层有针对性地提取4通道声信号多个不同时间尺度的特征,抑制噪声干扰,再根据不同车辆声信号特征分布特点,分别训练3个特征提取网络SWNet、LWNet和TNet来提取相应车辆的特征,最后对提取的特征进行多分支多维度的融合以供分类。在相同数据集上进行验证,实验结果表明,FVC-CNN模型总识别率可达94.22%,相较于传统方法识别率提高14.08%,取得了较好的分类效果。

关键词：野外车辆信号分类 4通道声阵列输入 inception结构注意力机制多分支特征提取多分支多维度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于改进CNN的铝轮毂背腔字符识别

引用

计算机工程 2019年第5期45卷 182-186页

作者：程淑红周斌燕山大学电气工程学院河北秦皇岛066000

铝轮毂背腔字符分辨率较低、背景噪声较大,对其进行识别时不易提取几何特征和纹理特征。为此,提出一种基于改进卷积神经网络(CNN)的字符识别方法。在原始CNN的基础上引入改进的inception结构对网络构架进行优化,以提升计算资源的利用率... 详细信息

铝轮毂背腔字符分辨率较低、背景噪声较大,对其进行识别时不易提取几何特征和纹理特征。为此,提出一种基于改进卷积神经网络(CNN)的字符识别方法。在原始CNN的基础上引入改进的inception结构对网络构架进行优化,以提升计算资源的利用率,并在保持网络计算资源不变的前提下增加网络的宽度和深度,降低字符识别时间。实验结果表明,该方法训练准确率达99%以上,识别准确率达98.5%,识别效果优于支持向量机、BP神经网络等方法。

关键词：卷积神经网络 inception结构网络构架背腔字符损失函数优化

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指纹活体检测算法研究

引用

信息网络安全 2018年第6期 28-35页

作者：龙敏龙啸海马莉长沙理工大学计算机与通信工程学院长沙理工大学综合交通运输大数据智能处理湖南省重点实验室 69026部队

近年来,随着指纹认证系统的广泛应用,伪造指纹检测受到人们的日益关注。文章结合卷积神经网络在计算机视觉、人脸识别和图像分类领域的应用特征,提出一个指纹活体检测算法F-net。算法采用BN层、inception结构和全局均值池化层对网络进... 详细信息

近年来,随着指纹认证系统的广泛应用,伪造指纹检测受到人们的日益关注。文章结合卷积神经网络在计算机视觉、人脸识别和图像分类领域的应用特征,提出一个指纹活体检测算法F-net。算法采用BN层、inception结构和全局均值池化层对网络进行优化,以减少F-net网络的大量参数和计算复杂度,这也使得算法在采用大学习率进行网络训练的同时获得了较高的泛化能力。文章在LivDet2011和LivDet2013数据集上进行了多种算法测试。实验结果表明,文章提出的F-net具有较高的泛化能力和实时检测性能。

关键词：指纹活体检测指纹反欺骗卷积神经网络 inception结构

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的螺旋桨水动力性能快速预报方法

引用

上海交通大学学报 2024年第2期58卷 188-200页

作者：高楠胡安康侯立勋常欣大连海事大学船舶与海洋工程学院辽宁大连116026

为实现螺旋桨水动力性能的快速、精确预报,基于改进的残差连接神经网络建立了一套螺旋桨水动力性能预报模型.残差连接方式大幅提高了模型深度,结合inception结构从不同尺度同时提取数据特征,利用深度可分离式卷积减少模型参数,基于螺旋... 详细信息

为实现螺旋桨水动力性能的快速、精确预报,基于改进的残差连接神经网络建立了一套螺旋桨水动力性能预报模型.残差连接方式大幅提高了模型深度,结合inception结构从不同尺度同时提取数据特征,利用深度可分离式卷积减少模型参数,基于螺旋桨几何参数和模型试验结果构建训练深度神经网络所需的样本空间;提出一种改进的群体天牛须算法对模型的初始权重与阈值进行优化,进一步提高其预报精度.研究结果表明:改进的群体天牛须算法显著提高预报模型的精度并解决了过拟合问题,预报结果与试验值吻合良好,对数据集外螺旋桨的预测性能与CFD法基本一致.模型的普适性极佳且计算周期极短、效率高,满足实时、准确预报螺旋桨敞水性能的要求.

关键词：螺旋桨水动力性能残差神经网络 inception结构改进的群体天牛须搜索算法

来源：评论

学校读者我要写书评

暂无评论

改进YOLO-v3的遥感图像舰船检测方法

引用

电光与控制 2020年第5期27卷 102-107页

作者：公明刘妍妍李国宁长春理工大学长春130022 中国科学院长春光学精密机械与物理研究所长春130033

针对遥感图像中舰船目标的检测,提出了一种基于YOLO-v3改进的实时遥感舰船目标检测方法。通过引入空间金字塔池化结构,结合密集连接和inception结构实现降维过渡模块等方法增强了网络特征信息的提取,重新替换骨干网络的连接结构和优化... 详细信息

针对遥感图像中舰船目标的检测,提出了一种基于YOLO-v3改进的实时遥感舰船目标检测方法。通过引入空间金字塔池化结构,结合密集连接和inception结构实现降维过渡模块等方法增强了网络特征信息的提取,重新替换骨干网络的连接结构和优化多尺度特征融合检测设计出新的网络结构,减少了参数量,加强了特征传递,最终实现了优于原方法的效果。使用空客公司在Kaggle比赛提供的遥感图像数据集做试验对比,该算法平均检测精确度达到84%,相较于原算法精确度提高了约4%,速度达到23帧/s。

关键词：舰船检测遥感图像 YOLO 空间金字塔池化密集连接 inception结构

来源：评论

学校读者我要写书评

暂无评论

基于改进inception卷积神经网络的手写体数字识别

引用

计算机应用与软件 2019年第12期36卷 143-149页

作者：余圣新夏成蹊唐泽恬丁召杨晨贵州大学大数据与信息工程学院贵州省微纳电子与软件技术重点实验室

手写体数字识别风格变化大,而传统手写体数字识别的准确率又严重依赖于人工特征设计,一旦提取的特征不理想,识别效果就会收到非常大的影响。针对手写体识别正确率无法满足高精度的问题,设计一种高精度的手写体数字分类网络。首先使用连... 详细信息

手写体数字识别风格变化大,而传统手写体数字识别的准确率又严重依赖于人工特征设计,一旦提取的特征不理想,识别效果就会收到非常大的影响。针对手写体识别正确率无法满足高精度的问题,设计一种高精度的手写体数字分类网络。首先使用连续非对称卷积提取图像的初步特征同时减少计算所需参数,其次使用深度可分离卷积改进inception结构,并结合残差网络以防止梯度弥散,最后进行softmax分类。通过MNIST数据集实验,得到99.45%的识别率。为进一步提高网络识别率,在分类层使用支持向量机(SVM)代替传统卷积神经网络(CNN)的全连接层与softmax层,经交叉验证得到99.78%的识别率。结果表明,改进inception结构能够获得更大的网络宽度,同时SVM对于CNN提取的特征的分类能力也有较好效果。

关键词：手写体数字识别卷积神经网络 inception结构深度可分离卷积支持向量机

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：