期刊文献+
共找到98篇文章
< 1 2 5 >
每页显示 20 50 100
类内类间距离在CNN识别心拍类中的应用研究 预览
1
作者 原永朋 游大涛 +4 位作者 武相军 魏梦凡 朱萌博 耿旭东 贾乃仁 《计算机工程与应用》 CSCD 北大核心 2019年第14期242-248,共7页
心脏疾病严重威胁人类身体健康,心电图(Electrocardiogram,ECG)心拍分类对心脏疾病的临床诊断和自动诊断具有重要意义。现有基于深度学习生成的ECG心拍特征虽然优于基于传统方法生成的心拍特征,但是因ECG中各类间存在着严重的数据不平... 心脏疾病严重威胁人类身体健康,心电图(Electrocardiogram,ECG)心拍分类对心脏疾病的临床诊断和自动诊断具有重要意义。现有基于深度学习生成的ECG心拍特征虽然优于基于传统方法生成的心拍特征,但是因ECG中各类间存在着严重的数据不平衡问题,致使现有基于深度学习方法生成的心拍特征的性能仍不甚理想。针对这一问题,以卷积神经网络(Convolutional Neural Network,CNN)为基础,在各类心拍等量数据基础上构建能有效表达各类心拍共性信息的共性CNN模型,以共性CNN模型和最小化类内距离最大化类间距离模型为基础,分别在各类心拍数据上构建能有效反映相应心拍类别倾向性信息的类别CNN模型,综合各心拍类别CNN模型的输出进行识别与分类。在MIT-BIH数据库上的实验结果显示,该方法识别分类心拍的各项指标均达到100%,解决了MIT-BIH数据库中ECG四类心拍自动识别分类的问题。 展开更多
关键词 心电图(ECG) 心拍分类 卷积神经网络(CNN) MIT-BIH数据库 共性卷积神经网络 个性卷积神经网络
在线阅读 下载PDF
一种CNN网络卷积并行计算方法 预览
2
作者 宋鹤鸣 《工业控制计算机》 2019年第2期99-100,103共3页
卷积神经网络(CNN)在图像分类、自然语言处理中广泛应用。区别于其他神经网络模型的最主要特点是卷积神经网络中使用的卷积操作。提出一种将卷积运算拆分为向量运算的方法,使得卷积网络部署在嵌入式平台时可以利用DSP、ARMNEON等硬件加... 卷积神经网络(CNN)在图像分类、自然语言处理中广泛应用。区别于其他神经网络模型的最主要特点是卷积神经网络中使用的卷积操作。提出一种将卷积运算拆分为向量运算的方法,使得卷积网络部署在嵌入式平台时可以利用DSP、ARMNEON等硬件加速器进行加速,其简单的取址方式增加了cache命中率,大大提升了卷积运算的效率。此外,该方法也可以作为ASIC设计专用的卷积神经网络加速器。 展开更多
关键词 卷积神经网络(CNN) 张量卷积 卷积加速器
在线阅读 下载PDF
用于短文本分类的BLSTM_MLPCNN模型 预览
3
作者 郑诚 洪彤彤 薛满意 《计算机科学》 CSCD 北大核心 2019年第6期206-211,共6页
文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTM_MLPCNN神经网络模型。该模型首先将卷积神经网络(CNN)作用于字符以获取字符级向量,并将字符级向量联合词... 文本表示和文本特征提取是自然语言处理的基础工作,直接影响文本分类的性能。文中提出了以字符级向量联合词向量作为输入的BLSTM_MLPCNN神经网络模型。该模型首先将卷积神经网络(CNN)作用于字符以获取字符级向量,并将字符级向量联合词向量作为预训练词嵌入向量,也即双向长短时记忆网(BLSTM)模型的输入;然后联合BLSTM模型的前向输出、词嵌入向量、后向输出构成文档特征图;最后利用多层感知器卷积神经网络(MLPCNN)进行特征提取。在相关数据集上的实验结果表明:相比于CNN,RNN以及CNN与RNN的组合模型,BLSTM_MLPCNN模型具有更优的分类性能。 展开更多
关键词 字符级向量 词向量 卷积神经网络(CNN) 双向长短时记忆神经网络(BLSTM) 多层感知器(MLP) 多层感知器卷积网络(MLPCNN)
在线阅读 免费下载
深度卷积自编码图像聚类算法 预览
4
作者 谢娟英 侯琦 曹嘉文 《计算机科学与探索》 CSCD 北大核心 2019年第4期586-595,共10页
针对现有深度卷积嵌入聚类算法(deep convolutional embedded clustering,DCEC)的网络特征损失过大,对复杂图像没有提取有效特征的问题,提出一个具有17层网络结构的无监督深度聚类框架,并在编码层加入下采样层,减少参数和防止过拟合;在... 针对现有深度卷积嵌入聚类算法(deep convolutional embedded clustering,DCEC)的网络特征损失过大,对复杂图像没有提取有效特征的问题,提出一个具有17层网络结构的无监督深度聚类框架,并在编码层加入下采样层,减少参数和防止过拟合;在解码层加入上采样层还原下采样造成的细节损失。分别结合DEC(deep embedded clustering)算法的损失函数和IDEC(improved deep embedded clustering)算法的采用局部结构保留优势的损失函数,得到两种基于卷积自编码的深度学习图像聚类算法DEC_DCNN(deep embedded clustering based on deep convolutional neural network)和IDEC_DCNN(improved deep embedded clustering based on deep convolutional neural network),并使用自适应矩估计(adaptive moment estimation,Adam)和小批量随机梯度下降(mini-batch stochastic gradient decent,mini-batch SGD)两种优化方法调整模型参数。3个经典图像数据集的实验结果显示,提出的17层网络结构对图像特征具有很好的鲁棒性和通用性,基于该网络结构的深度聚类算法取得了远优于现有深度聚类算法的结果,其聚类准确率均优于对比算法;对深度聚类算法DEC_DCNN和IDEC_DCNN的聚类结果准确率、指标值AMI(adjusted mutual information)和ARI(adjusted rand index)进行比较,IDEC_DCNN比DEC_DCNN的聚类性能更好,说明IDEC_DCNN算法的性能更优越。 展开更多
关键词 深度图像聚类 卷积自编码 卷积神经网络(CNN) 深度学习 聚类
在线阅读 下载PDF
一种基于深度学习的电影推荐算法 预览
5
作者 李浩然 刘光远 张乐莹 《软件》 2019年第5期185-189,共5页
随着互联网的发展,人们的娱乐方式趋于多样化,但人们总想可以直接定位根据自己口味的电影而不是通过自己的搜索和朋友的推荐。然而目前已有的推荐系统机制过于简单,往往是根据网友对电影的的综合评分,可根据关键字,类别等具体搜索,久而... 随着互联网的发展,人们的娱乐方式趋于多样化,但人们总想可以直接定位根据自己口味的电影而不是通过自己的搜索和朋友的推荐。然而目前已有的推荐系统机制过于简单,往往是根据网友对电影的的综合评分,可根据关键字,类别等具体搜索,久而久之的搜索痕迹来证明用户的喜好。这种基于协同过滤的推荐系统在遇到冷启动问题时会产生较大的偏差。本文利用卷积神经网络结合协同过滤系统设计出了一款基于神经网络的电影推荐系统,利用MBGD(小批量梯度下降法)对模型进行优化,并在有限的数据集下进行了该系统的实验。实验结果表明该系统比传统推荐方法具有更高的准确性。 展开更多
关键词 卷积神经网络(CNN) 协同过滤 文本卷积网络 迭代次数 小批量梯度下降法(MBGD)
在线阅读 下载PDF
轻量化卷积神经网络技术研究 预览
6
作者 毕鹏程 罗健欣 陈卫卫 《计算机工程与应用》 CSCD 北大核心 2019年第16期25-35,共11页
为了使卷积神经网络模型更好地应用于移动端和嵌入式设备,必须从减少模型参数量和降低计算复杂度两方面入手。首先简要介绍了目前几种流行的解决方法,并详细阐述了六个轻量化卷积神经网络模型,展示了其中应用的不同网络计算方式的计算... 为了使卷积神经网络模型更好地应用于移动端和嵌入式设备,必须从减少模型参数量和降低计算复杂度两方面入手。首先简要介绍了目前几种流行的解决方法,并详细阐述了六个轻量化卷积神经网络模型,展示了其中应用的不同网络计算方式的计算量和参数量,论述了模型的核心构建模块、整体网络结构和创新之处。分析了各网络以及常规卷积网络在ImageNet数据集上的分类准确度,进而对比各网络实现轻量化的技巧,得出在进行模型设计时采用直接指标替代间接指标的结论。同时发现了残差结构对保证轻量化模型准确率的重要性。最后对轻量化卷积神经网络的发展前景进行了展望。 展开更多
关键词 卷积神经网络(CNN) 轻量化 卷积方式
在线阅读 下载PDF
基于Convolutional-LSTM的蛋白质亚细胞定位研究 预览
7
作者 王春宇 徐珊珊 +2 位作者 郭茂祖 车凯 刘晓燕 《计算机科学与探索》 CSCD 北大核心 2019年第6期982-989,共8页
蛋白质亚细胞位置预测研究是目前蛋白质组学和生物信息学研究的重点问题之一。蛋白质的亚细胞定位决定了它的生物学功能,故研究亚细胞定位对了解蛋白质功能非常重要。由于蛋白质结构的序列性,考虑使用序列模型来进行亚细胞定位研究。尝... 蛋白质亚细胞位置预测研究是目前蛋白质组学和生物信息学研究的重点问题之一。蛋白质的亚细胞定位决定了它的生物学功能,故研究亚细胞定位对了解蛋白质功能非常重要。由于蛋白质结构的序列性,考虑使用序列模型来进行亚细胞定位研究。尝试使用卷积神经网络(convolutional neural network,CNN)、长短期记忆神经网络(long short-term memory,LSTM)两种模型挖掘氨基酸序列所包含的信息,从而进行亚细胞定位的预测。随后构建了基于卷积的长短期记忆网络(Convolutional-LSTM)的集成模型进行亚细胞定位。首先通过卷积神经网络对蛋白质数据进行特征抽取,随后进行特征组合,并将其送入长短期记忆神经网络进行特征表征学习,得到亚细胞定位结果。使用该模型能达到0.816 5的分类准确率,比传统方法有明显提升。 展开更多
关键词 蛋白质亚细胞定位 卷积神经网络(CNN) 长短期记忆神经网络(LSTM) 分类
在线阅读 下载PDF
卷积神经网络在心电逆问题中的应用 预览
8
作者 贺高 蒋明峰 +1 位作者 郑俊褒 龚莹岚 《计算机工程与应用》 CSCD 北大核心 2019年第1期123-127,265共6页
基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题(亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出),而基于数据驱动的机器学习模型是解决回归问题的一种有效手段... 基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题(亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出),而基于数据驱动的机器学习模型是解决回归问题的一种有效手段。通过使用深度卷动神经网络(CNN)构建深度学习模型,使用Caffe框架训练神经网络;此外,基于真实的心脏模型,使用ECGSim软件仿真了肯特束综合症心室激活情况的数据,用于训练和测试回归模型。实验结果表明,与极限学习机(ELM)和核化的极限学习机相比,CNN方法在心脏跨膜电位重构方面有更高的精度和泛化性能。 展开更多
关键词 卷积神经网络(CNN) 极限学习机(ELM) 心电逆问题 心肌跨膜电位
在线阅读 下载PDF
基于改进CNN的局部相似性预测推荐模型 预览
9
作者 吴国栋 宋福根 +1 位作者 涂立静 史明哲 《计算机工程与科学》 CSCD 北大核心 2019年第6期1071-1077,共7页
为缓解推荐系统中数据稀疏性问题,利用卷积神经网络CNN具有较强捕捉局部特征能力的优势,通过加入一个调节层,提出一种改进CNN的局部相似性预测推荐模型LSPCNN。新模型对初始用户-项目评分矩阵进行迭代调整,使用户兴趣偏好局部特征化,再... 为缓解推荐系统中数据稀疏性问题,利用卷积神经网络CNN具有较强捕捉局部特征能力的优势,通过加入一个调节层,提出一种改进CNN的局部相似性预测推荐模型LSPCNN。新模型对初始用户-项目评分矩阵进行迭代调整,使用户兴趣偏好局部特征化,再融合CNN对缺失评分进行预测,从而实施个性化推荐。实验结果表明,LSPCNN模型在不同数据稀疏度下的 MAE 值较传统推荐方法平均下降4%,有效缓解了数据稀疏性,提高了推荐系统的性能。 展开更多
关键词 卷积神经网络(CNN) 局部相似性 稀疏性 推荐系统
在线阅读 下载PDF
基于卷积神经网络的肺表面纹理合成 预览
10
作者 陈国栋 潘冠慈 田影 《佳木斯大学学报:自然科学版》 CAS 2019年第1期32-35,93共5页
以肺表面纹理为研究对象,提出一种基于卷积神经网络的纹理合成算法。算法以训练好的VGG-19模型为基础,用Gram矩阵来表示纹理的局部结构特征,引入一种结构约束关系来捕捉纹理的全局结构特征,并在网络的高层加入马尔科夫随机场以提高算法... 以肺表面纹理为研究对象,提出一种基于卷积神经网络的纹理合成算法。算法以训练好的VGG-19模型为基础,用Gram矩阵来表示纹理的局部结构特征,引入一种结构约束关系来捕捉纹理的全局结构特征,并在网络的高层加入马尔科夫随机场以提高算法效率。实验结果表明该算法可以较好地合成具有局部结构特征以及非局部结构特征的肺表面纹理,并且对比现有相似的算法效率有了明显提升。 展开更多
关键词 虚拟手术 纹理合成 卷积神经网络(CNN) 结构特征
在线阅读 下载PDF
基于对抗训练和卷积神经网络的面部图像修复 预览
11
作者 刘昱 刘厚泉 《计算机工程与应用》 CSCD 北大核心 2019年第2期110-115,136共7页
为了有效地修复大面积破损的面部图像,使用了解码器-编码器结构的卷积神经网络作为生成模型,并在其部分层之间增加skip-connection,以增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识... 为了有效地修复大面积破损的面部图像,使用了解码器-编码器结构的卷积神经网络作为生成模型,并在其部分层之间增加skip-connection,以增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像,再利用其判别待修复图像输入生成模型后所得到的输出是否为真实,以此为生成模型提供优化梯度。结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力,提高了图像补全的效果。在CelebA人脸数据集上进行的实验结果表明,该方法在补全大面积破损的图像任务上性能明显优于其他方法. 展开更多
关键词 深度学习 生成对抗网络(GANs) 卷积神经网络(CNN) 图像补全 跳跃连接
在线阅读 下载PDF
基于注意力机制的CNN-LSTM模型及其应用 预览
12
作者 李梅 宁德军 郭佳程 《计算机工程与应用》 CSCD 北大核心 2019年第13期20-27,共8页
时序数据存在时序性,并且其短序列的特征存在重要程度差异性。针对时序数据特征,提出一种基于注意力机制的卷积神经网络(CNN)联合长短期记忆网络(LSTM)的神经网络预测模型,融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成... 时序数据存在时序性,并且其短序列的特征存在重要程度差异性。针对时序数据特征,提出一种基于注意力机制的卷积神经网络(CNN)联合长短期记忆网络(LSTM)的神经网络预测模型,融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成:基于注意力机制的CNN,在标准CNN网络上增加注意力分支,以抽取重要细粒度特征;后端为LSTM,由细粒度特征抽取潜藏时序规律的粗粒度特征。在真实的热电联产供热数据上的实验表明,该模型比差分整合移动平均自回归、支持向量回归、CNN以及LSTM模型的预测效果更好,对比目前企业将预定量作为预测量的方法,预测缩放误差平均值(MASE)与均方根误差(RMSE)指标分别提升了89.64%和61.73%。 展开更多
关键词 注意力机制 卷积神经网络(CNN) 长短期记忆网络(LSTM) 时间序列 负荷预测
在线阅读 下载PDF
基于卷积神经网络的细胞图像分割与类型判别 预览
13
作者 胡威 汪春梅 张见 《上海师范大学学报:自然科学版》 2019年第1期106-112,共7页
组织细胞图像形态各异、大小不一、纹理变化多样等特点,导致难以精准地分割细胞区域的问题,对此提出了一种基于卷积神经网络(CNN)和边缘聚类方法的新算法.对原始切片采用染色校正预处理,提高色彩对比度,利用CNN得到初步分割结果,结合边... 组织细胞图像形态各异、大小不一、纹理变化多样等特点,导致难以精准地分割细胞区域的问题,对此提出了一种基于卷积神经网络(CNN)和边缘聚类方法的新算法.对原始切片采用染色校正预处理,提高色彩对比度,利用CNN得到初步分割结果,结合边缘聚类方法提升初步分割结果的连续性和完整性.在此基础上,结合计算机视觉技术,获得分割图像中细胞颗粒的基本属性特征,并使用Softmax分类器判别细胞类型.实验结果表明:相较于经典的卷积神经网络、阈值分割、模糊聚类等细胞图像分割算法,该算法在分割结果的完整度方面提升了6.15个百分点. 展开更多
关键词 卷积神经网络(CNN) 边缘聚类 图像分割 分类判别
在线阅读 下载PDF
基于深度学习和多次棋盘分割法的高分辨率影像河流提取 预览
14
作者 方海泉 蒋云钟 +1 位作者 冶运涛 曹引 《北京大学学报:自然科学版》 CAS CSCD 北大核心 2019年第4期692-698,共7页
针对目前从遥感影像中提取的河流,尤其是细小河流容易出现中断的情况,将深度学习与多次棋盘分割法相结合,应用于高分辨率遥感影像的河流提取。基于对山区、平原和城市3景高分二号卫星遥感影像的实验表明,与现有的方法相比,该方法提取的... 针对目前从遥感影像中提取的河流,尤其是细小河流容易出现中断的情况,将深度学习与多次棋盘分割法相结合,应用于高分辨率遥感影像的河流提取。基于对山区、平原和城市3景高分二号卫星遥感影像的实验表明,与现有的方法相比,该方法提取的河流更加连续,并且能够提取高分二号卫星遥感影像中两个像元的细小河流。 展开更多
关键词 深度学习 多次棋盘分割法 高分辨率遥感影像 河流提取 卷积神经网络(CNN)
在线阅读 免费下载
结合CNN与分割约束的立体匹配算法 预览
15
作者 马伟 李曈 +1 位作者 龚超凡 丁治明 《北京工业大学学报》 CAS CSCD 北大核心 2019年第5期413-420,共8页
为了解决弱纹理与遮挡区域中难以准确匹配对应点的问题,在马尔可夫随机场(Markov random field,MRF)框架下,提出一种结合卷积神经网络(convolutional neural network,CNN)与分割线索的立体匹配算法.首先,采用特征表达能力强的CNN提取立... 为了解决弱纹理与遮挡区域中难以准确匹配对应点的问题,在马尔可夫随机场(Markov random field,MRF)框架下,提出一种结合卷积神经网络(convolutional neural network,CNN)与分割线索的立体匹配算法.首先,采用特征表达能力强的CNN提取立体图像特征并匹配区域块.同时,对图像进行区域分割.然后,基于CNN匹配结果构造 MRF 能量函数数据项.基于分割结果定义能量函数项,通过其他区域约束弱纹理和遮挡区域的匹配过程.最后,最优化求解能量函数计算视差.在Middlebury与KITTI数据集上验证该算法和能量函数各项的作用,并与近2年提出方法进行性能比较.结果表明,该算法准确度更高,应对弱纹理与遮挡区域效果更好. 展开更多
关键词 立体匹配 图像分割 卷积神经网络(CNN) MRF能量函数 视差
在线阅读 下载PDF
基于视觉注意力的人体行为识别 预览
16
作者 孔言 梁鸿 张千 《计算机系统应用》 2019年第5期42-48,共7页
视频中人体行为识别是近年来计算机视觉中的一个重要研究领域,但是现有的方法对于视频表示方式存在不足,无法聚焦于图像内的显著区域.提出了一种基于视觉注意力的深度卷积神经网络,可以有效地为视频表示特征附加一个权重,对特征中的有... 视频中人体行为识别是近年来计算机视觉中的一个重要研究领域,但是现有的方法对于视频表示方式存在不足,无法聚焦于图像内的显著区域.提出了一种基于视觉注意力的深度卷积神经网络,可以有效地为视频表示特征附加一个权重,对特征中的有益区域进行注意,实现更加准确的行为识别.在自建的Oilfield-7油田数据集和HMDB51数据集上进行了实验,以此来验证适用于油田现场人体行为所提出的网络模型的有效性.实验结果表明,所提的方法与已取得优异表现的双流架构相比具有一定的优越性. 展开更多
关键词 行为识别 双流架构 卷积神经网络(CNN) 视频表示 视觉注意力
在线阅读 下载PDF
利用卷积神经网络改进迭代深度学习算法的图像识别方法研究 预览
17
作者 孙平安 祁俊 谭秋月 《计算机应用研究》 CSCD 北大核心 2019年第7期2223-2227,共5页
针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA)。该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图... 针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA)。该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图像集的不同非线性特征进行学习。算法的图库和查询实例中包括了不同视角、背景、面部表情、解析度和照明度的人脸或物体图像集。采用数据集将提出的算法与其他算法进行评估对比,实验结果表明提出的算法在被测数据集上的性能最优。 展开更多
关键词 深度学习 卷积神经网络(CNN) 自适应 图像识别 层次化迭代
在线阅读 下载PDF
基于深度学习的混合翼型前缘压力分布预测
18
作者 廖鹏 姚磊江 +1 位作者 白国栋 赵航 《航空动力学报》 EI CAS CSCD 北大核心 2019年第8期1751-1758,共8页
提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型(CNN),并利用计算流体力学(CFD)的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明... 提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型(CNN),并利用计算流体力学(CFD)的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7s,CFD方法耗时大于50s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。 展开更多
关键词 混合翼型 深度学习 卷积神经网络(CNN) 参数化方法 压力分布
Adam优化的CNN超分辨率重建 预览
19
作者 赵小强 宋昭漾 《计算机科学与探索》 CSCD 北大核心 2019年第5期858-865,共8页
为了使单帧图像在不同放大倍数的条件下进行超分辨率重建能得到较好的效果,提出了一种Adam优化的卷积神经网络(convolutional neural network,CNN)超分辨率重建方法。该方法首先使用ISODATA(iterative selforganizing data analysis)聚... 为了使单帧图像在不同放大倍数的条件下进行超分辨率重建能得到较好的效果,提出了一种Adam优化的卷积神经网络(convolutional neural network,CNN)超分辨率重建方法。该方法首先使用ISODATA(iterative selforganizing data analysis)聚类算法对训练的图像集进行分类处理,然后在Adam优化的卷积神经网络中对输入图像进行特征提取和非线性映射得到特征映射图,最后在Adam优化的卷积神经网络中对特征映射图进行反卷积重建得到多尺度放大的重建图像。通过实验验证使用该方法在不同放大倍数条件下的重构效果优于传统算法,在视觉效果上有较好的表现。 展开更多
关键词 超分辨率重建 卷积神经网络(CNN) ISODATA聚类算法 Adam优化算法
在线阅读 下载PDF
基于多特征融合CNN的人脸识别算法研究 预览
20
作者 罗金梅 罗建 +1 位作者 李艳梅 赵旭 《航空计算技术》 2019年第3期40-45,共6页
针对传统卷积网络结构或使用单一特征融合方法进行人脸识别存在特征提取不全、训练准确率低的问题,提出一种基于多特征融合卷积神经网络(CNN)的人脸识别算法。算法在LeNet5结构基础上,通过不同卷积层映射图融合、多个特征核映射图融合... 针对传统卷积网络结构或使用单一特征融合方法进行人脸识别存在特征提取不全、训练准确率低的问题,提出一种基于多特征融合卷积神经网络(CNN)的人脸识别算法。算法在LeNet5结构基础上,通过不同卷积层映射图融合、多个特征核映射图融合和浅层纹理的轮廓特征和深层高级特征相融合,增加输出通道数,进而提高图像整体的语义信息。针对relu激活函数在神经网络训练过程中丢失负轴信息的缺陷,算法引入leaky relu激活函数。通过在ORL、AR、FERET三个人脸库上分别对LeNet5卷积神经网络结构、单一特征融合与算法进行对比实验。实验结果表明:算法通过多特征融合提取的特征信息更广,识别准确率高于单一特征融合,引入leaky relu激活函数后,网络收敛效果更好,同时,对遮挡、光照等干扰具有鲁棒性。 展开更多
关键词 人脸识别 卷积神经网络(CNN) 多特征融合 leaky relu激活函数 人脸数据集
在线阅读 免费下载
上一页 1 2 5 下一页 到第
使用帮助 返回顶部 意见反馈