期刊文献+
共找到13篇文章
< 1 >
每页显示 20 50 100
基于深度卷积神经网络的低照度图像增强
1
作者 马红强 马时平 +1 位作者 许悦雷 朱明明 《光学学报》 EI CAS CSCD 北大核心 2019年第2期99-108,共10页
针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保... 针对低照度条件下图像降质严重的问题,提出了一种基于深度卷积神经网络(DCNN)的低照度图像增强算法。该算法根据Retinex模型合成训练样本,将原始低照度图像从RGB (Red Green Blue)空间转换到HSI (Hue Saturation Intensity)颜色空间,保持色度分量和饱和度分量不变,利用DCNN对亮度分量进行增强,最后将HSI颜色空间转换到RGB空间,得到最终的增强图像。实验结果表明,与现有主流的图像增强算法相比,所提算法不仅能够有效提升亮度和对比度,改善过增强现象,而且能够避免色彩失真,主观视觉和客观评价指标均得到了进一步提高。 展开更多
关键词 图像处理 图像增强 Retinex模型 卷积神经网络 归一化
基于轻量WACNN的交通标志识别
2
作者 黄知超 李栋 《应用激光》 CSCD 北大核心 2019年第1期119-123,共5页
现有交通标志识别技术,存在高识别率高功耗或者低识别率低功耗的问题,构建了新轻量级WACNN的识别算法。首先,利用TensorFlow构建6层卷积神经网络,其中前三层为卷积池化层,四层为1×1卷积层,五层为全连接层,六层为输出层,前四层再加... 现有交通标志识别技术,存在高识别率高功耗或者低识别率低功耗的问题,构建了新轻量级WACNN的识别算法。首先,利用TensorFlow构建6层卷积神经网络,其中前三层为卷积池化层,四层为1×1卷积层,五层为全连接层,六层为输出层,前四层再加入批量归一化方法。其次,使用直方图均衡对交通图像预处理。最后,模型在GTSRB上进行实验,实验结果表明,所提模型不仅极大缩短了训练时间,且识别准确率也能达到了97%。 展开更多
关键词 交通标志识别 卷积神经网络 归一化 图像预处理
基于RA-DNN的电力变压器故障分类方法 预览
3
作者 曹渝昆 何健伟 《电气自动化》 2019年第2期98-101,107共5页
由于电力变压器故障的现象和原因存在一定的模糊性和随机性,传统方法在复杂的情况下识别变压器故障的精度不高。提出了一种基于深层神经网络的变压器故障分类方法,利用无编码的油中溶解气体分析(dissolvedgasanalysis,DGA)数据,结合深... 由于电力变压器故障的现象和原因存在一定的模糊性和随机性,传统方法在复杂的情况下识别变压器故障的精度不高。提出了一种基于深层神经网络的变压器故障分类方法,利用无编码的油中溶解气体分析(dissolvedgasanalysis,DGA)数据,结合深度学习流行的修正线性单元(rectifiedlinearunits,ReLU)函数、Adam优化算法和批归一化(batchnormalization,BN)的数据处理方法,通过与传统激活函数Sigmoid函数和随机梯度下降算法(stochasticgradientdescent,SGD)做对比试验。结果表明,采用ReLU+Adam方案的神经网络,收敛速度更快,损失函数的收敛值也更低,提高了模型训练的速度和鲁棒性。通过与反向传播神经网络(backpropagationneuralnetwork,BPNN)、支持向量机(supportvectormachine,SVM)的试验比较,在变压器故障分类上取得了较好的效果,为电力变压器的故障诊断提供新的方法与思路。 展开更多
关键词 变压器 深度学习 神经网络 修正线性单元 归一化
在线阅读 下载PDF
基于改进的深度卷积神经网络的人体动作识别方法 预览
4
作者 陈胜娣 魏维 +2 位作者 何冰倩 陈思宇 刘基缘 《计算机应用研究》 CSCD 北大核心 2019年第3期945-949,953共6页
针对现有的动作识别算法的特征提取复杂、识别率低等问题,提出了基于批归一化变换(batch normali-zation)与Goog Le Net网络模型相结合的网络结构,将图像分类领域的批归一化思想应用到动作识别领域中进行训练算法改进,实现了对视频动作... 针对现有的动作识别算法的特征提取复杂、识别率低等问题,提出了基于批归一化变换(batch normali-zation)与Goog Le Net网络模型相结合的网络结构,将图像分类领域的批归一化思想应用到动作识别领域中进行训练算法改进,实现了对视频动作训练样本的网络输入进行微批量(mini-batch)归一化处理。该方法以RGB图像作为空间网络的输入,光流场作为时间网络输入,然后融合时空网络得到最终动作识别结果。在UCF101和HMDB51数据集上进行实验,分别取得了93. 50%和68. 32%的准确率。实验结果表明,改进的网络架构在视频人体动作识别问题上具有较高的识别准确率。 展开更多
关键词 动作识别 归一化 深度学习 卷积神经网络
在线阅读 下载PDF
基于改进栈式稀疏去噪自编码器的自适应图像去噪
5
作者 马红强 马时平 +2 位作者 许悦雷 吕超 朱明明 《光学学报》 CSCD 北大核心 2018年第10期120-127,共8页
针对栈式稀疏去噪自编码器(SSDA)在图像去噪上训练难度大、收敛速度慢和普适性差等问题,提出了一种基于栈式修正降噪自编码器的自适应图像去噪模型。采用线性修正单元作为网络激活函数,以缓解梯度弥散现象;借助残差学习和批归一化进... 针对栈式稀疏去噪自编码器(SSDA)在图像去噪上训练难度大、收敛速度慢和普适性差等问题,提出了一种基于栈式修正降噪自编码器的自适应图像去噪模型。采用线性修正单元作为网络激活函数,以缓解梯度弥散现象;借助残差学习和批归一化进行联合训练,加快收敛速度;而为克服新模型对噪声普适性差等问题,需要对其进行多通道并行训练,充分利用网络挖掘出的潜在数据特征集计算出最优通道权重,并通过训练权重权重预测模型预测出各通道最优权重,从而实现自适应图像去噪。实验结果表明:与目前降噪较好的BM3D和SSDA方法相比,所提方法不仅在收敛效果上优于SSDA方法,而且能够自适应处理未参与训练的噪声,使其具有更好的普适性。 展开更多
关键词 图像处理 图像降噪 归一化 残差学习 自适应性
基于优化的并行AlexNet人脸特征点检测算法 预览
6
作者 陈东敏 姚剑敏 《信息技术与网络安全》 2018年第4期65-70,共6页
基于深度学习的人脸特征点检测会因环境明亮程度、人体姿态、人脸表情等因素影响检测结果的鲁棒性。采用基于优化的并行卷积神经网络模型,将人脸图像切分为3个互有重叠且各带一个颜色通道的子图像,对应3个不同的模型,将模型结果加权平均... 基于深度学习的人脸特征点检测会因环境明亮程度、人体姿态、人脸表情等因素影响检测结果的鲁棒性。采用基于优化的并行卷积神经网络模型,将人脸图像切分为3个互有重叠且各带一个颜色通道的子图像,对应3个不同的模型,将模型结果加权平均,得到人脸特征点坐标。其中模型均采用Alex Net模型,针对子图像尺寸特征修改卷积核尺寸以及输出特征图数量,并引入批归一化层,归一化隐藏层中激活函数的输出值,降低误差的同时减少迭代次数。最后在LFW人脸数据集上进行验证,结果表明,优化的算法准确率达到99%以上,迭代次数减少约4 000次,误差降低了44.57%。 展开更多
关键词 深度学习 并行神经网络 人脸特征点定位 归一化
在线阅读 下载PDF
卷积神经网络在车辆识别系统中的应用 预览
7
作者 李丹 牛中彬 汪鑫耘 《安徽工业大学学报:自然科学版》 CAS 2018年第2期148-152,共5页
针对工厂厂房和仓库无人门禁系统需对货运车辆单独检测与识别的特殊需求,提出一种融合Darknet19网络与SSD(Single Shot-multibox Detector)模型的车辆检测与识别模型。首先,采集真实场景中包括行人、叉车、货车的大量图片并进行人工标... 针对工厂厂房和仓库无人门禁系统需对货运车辆单独检测与识别的特殊需求,提出一种融合Darknet19网络与SSD(Single Shot-multibox Detector)模型的车辆检测与识别模型。首先,采集真实场景中包括行人、叉车、货车的大量图片并进行人工标注,构建一个私有数据集;其次,在Caffe框架下使用ImageNet2012数据集重新训练Darknet19网络,并通过更换基础分类网络及在每个卷积层后加入批归一化(Batch Normalization)层等方式改进SSD目标检测模型,构建出一个新的端到端的车辆检测模型。结果表明,该模型对货运车辆的平均查准率可达99.2%,检测帧率可达72帧/s,准确率与实时性均满足厂区环境检测货运车辆的要求。 展开更多
关键词 车辆识别 卷积神经网络 归一化
在线阅读 下载PDF
基于深度学习的人体行为识别算法 预览
8
作者 黄友文 万超伦 《电子技术应用》 2018年第10期1-5,10共6页
为改善人体行为识别任务中准确率低的问题,提出了一种基于批归一化的卷积神经网络(CNN)与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想,将输入网络的训练样本进行小批量归一化处理,经过全连接之后,送入长短... 为改善人体行为识别任务中准确率低的问题,提出了一种基于批归一化的卷积神经网络(CNN)与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想,将输入网络的训练样本进行小批量归一化处理,经过全连接之后,送入长短期记忆神经网络中。该算法采用时空双流网络模型结构,视频数据的RGB图像作为空间流网络输入,光流场图像作为时间流网络输入,再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明,本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。 展开更多
关键词 行为识别 归一化 长短期记忆神经网络 深度学习
在线阅读 下载PDF
BN-cluster:基于批归一化的集成算法实例分析 预览
9
作者 张德园 杨柳 +1 位作者 李照奎 石祥滨 《沈阳航空航天大学学报》 2018年第3期72-80,共9页
批归一化训练技术是训练现代神经网络的重要技术之一。它通过归一化各个隐藏层的均值和方差,减少了梯度爆炸或消失现象的发生。然而批归一化技术统计的均值和方差依赖于每一个minibatch的数据分布,导致训练时稳定性较差。提出了BN-clus... 批归一化训练技术是训练现代神经网络的重要技术之一。它通过归一化各个隐藏层的均值和方差,减少了梯度爆炸或消失现象的发生。然而批归一化技术统计的均值和方差依赖于每一个minibatch的数据分布,导致训练时稳定性较差。提出了BN-cluster算法,基于构建块的思想设计了卷积神经网络框架用于分类图像数据集。分析了批归一化问题,统计了每一个批归一化输出结果均值的方差,并且设计了基于批归一化参数聚类的卷积神经网络集成算法,实验结果证明采用集成学习的方法确定批归一化的参数,网络在各个数据集上的训练波动均有所降低,保证了在不降低原有性能的同时使网络的收敛更加稳定、快速。 展开更多
关键词 归一化 BN-cluster算法 卷积神经网络 集成学习
在线阅读 下载PDF
卷积神经网络的宫颈细胞图像分类 预览
10
作者 赵越 曾立波 吴琼水 《计算机辅助设计与图形学学报》 CSCD 北大核心 2018年第11期2049-2054,共6页
为实现计算机辅助系统精准、快速地检测宫颈异常细胞,提出一种基于卷积神经网络的宫颈细胞自动分类方法.首先复制预训练网络结构及参数来初始化分类网络,将宫颈细胞图像分批次传入网络;然后采用Softmax函数将网络输出数据归一化为各标... 为实现计算机辅助系统精准、快速地检测宫颈异常细胞,提出一种基于卷积神经网络的宫颈细胞自动分类方法.首先复制预训练网络结构及参数来初始化分类网络,将宫颈细胞图像分批次传入网络;然后采用Softmax函数将网络输出数据归一化为各标签对应的概率值,并使用交叉熵作为损失函数;最后改进网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得最优网络.使用5折交叉验证法在Herlev数据集上的实验结果表明,对比Herlev常用基准方法,该方法的特异性、调和平均数和准确率分别提高了19.46%,10.71%和5.09%. 展开更多
关键词 卷积神经网络 宫颈细胞 迁移学习 归一化
在线阅读 下载PDF
结合批归一化的直通卷积神经网络图像分类算法 预览 被引量:4
11
作者 朱威 屈景怡 吴仁彪 《计算机辅助设计与图形学学报》 CSCD 北大核心 2017年第9期1650-1657,共8页
为解决深度卷积神经网络由于梯度消失而导致训练困难的问题,提出一种基于批归一化的直通卷积神经网络算法.首先对网络所有卷积层的激活值进行批归一化处理,然后利用可学习的重构参数对归一化后的数据进行还原,最后对重构参数进行训练.在... 为解决深度卷积神经网络由于梯度消失而导致训练困难的问题,提出一种基于批归一化的直通卷积神经网络算法.首先对网络所有卷积层的激活值进行批归一化处理,然后利用可学习的重构参数对归一化后的数据进行还原,最后对重构参数进行训练.在CIFAR-10,CIFAR-100和MNIST这3个标准图像数据集上进行实验的结果表明,文中算法分别取得了94.53%,73.40%和99.74%的分类准确率,明显优于其他深度神经网络算法;该算法能够有效地克服传统卷积神经网络中梯度消失的问题. 展开更多
关键词 图像分类 深度学习 直通卷积神经网络 归一化 梯度消失
在线阅读 下载PDF
基于改进卷积神经网络的多种植物叶片病害识别 预览 被引量:11
12
作者 孙俊 谭文军 +3 位作者 毛罕平 武小红 陈勇 汪龙 《农业工程学报》 CSCD 北大核心 2017年第19期209-215,共7页
针对训练收敛时间长,模型参数庞大的问题,该文将传统的卷积神经网络模型进行改进,提出一种批归一化与全局池化相结合的卷积神经网络识别模型。通过对卷积层的输入数据进行批归一化处理,以便加速网络收敛。进一步缩减特征图数目,并采用... 针对训练收敛时间长,模型参数庞大的问题,该文将传统的卷积神经网络模型进行改进,提出一种批归一化与全局池化相结合的卷积神经网络识别模型。通过对卷积层的输入数据进行批归一化处理,以便加速网络收敛。进一步缩减特征图数目,并采用全局池化的方法减少特征数。通过设置不同尺寸的初始层卷积核和全局池化层类型,以及设置不同初始化类型和激活函数,得到8种改进模型,用于训练识别14种不同植物共26类病害并选出最优模型。改进后最优模型收敛时间小于传统卷积神经网络模型,仅经过3次训练迭代,就能达到90%以上的识别准确率;参数内存需求仅为2.6 MB,平均测试识别准确率达到99.56%,查全率和查准率的加权平均分数为99.41%。改进模型受叶片的空间位置的变换影响较小,能识别多种植物叶片的不同病害。该模型具有较高的识别准确率及较强的鲁棒性,该研究可为植物叶片病害的识别提供参考。 展开更多
关键词 病害 植物 图像处理 识别 卷积神经网络 归一化 全局池化 深度学习
在线阅读 下载PDF
BN对VGG神经网络的影响研究 预览 被引量:1
13
作者 陈强普 桑军 +3 位作者 项志立 罗红玲 郭沛 蔡斌 《合肥工业大学学报:自然科学版》 北大核心 2018年第1期35-39,共5页
文章针对在训练目前卷积神经网络中较为主流的深度神经网络VGG网络模型时调参艰难、收敛较慢的问题,引入批归一化(batch normalization,BN)进行改进。批归一化能提高网络训练的初始学习率上限,同时加快模型收敛速度。相关实验结果表明,... 文章针对在训练目前卷积神经网络中较为主流的深度神经网络VGG网络模型时调参艰难、收敛较慢的问题,引入批归一化(batch normalization,BN)进行改进。批归一化能提高网络训练的初始学习率上限,同时加快模型收敛速度。相关实验结果表明,在端对端训练或者微调神经网络过程中应用批归一化,能较好地达到优化目的,同时指出在VGG网络中所有激活层前进行批归一化能得到最好的效果。另外VGG网络的优化方法会影响到批归一化,使用改进的基于动量的随机梯度下降能使网络训练时的波动更小。 展开更多
关键词 归一化(BN) VGG网络 端对端训练 神经网络微调
在线阅读 免费下载
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈