期刊文献+
共找到2,159篇文章
< 1 2 108 >
每页显示 20 50 100
深度学习在医学图像配准上的研究进展与挑战
1
作者 邹茂扬 杨昊 +1 位作者 潘光晖(综述) 钟勇(审校) 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第4期677-683,共7页
随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结... 随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结了基于深度学习的医学图像配准的国内外研究进展,包括了基于优化策略的相似性估计、直接估计医学图像配准的变换参数等。然后分析了深度学习方法在医学图像配准上的挑战,并提出了可能的解决办法和研究方向。 展开更多
关键词 医学图像配准 深度学习 卷积神经网络 全卷积网络
卷积神经网络GPS坐标转换方法
2
作者 崔方 赵庶旭 《测绘通报》 CSCD 北大核心 2019年第3期1-5,共5页
GPS坐标转换方法对于GPS空间定位系统至关重要。目前已有很多方法被提出用于转换GPS坐标,但效果并不是很显著。究其原因,是因为大多数都存在模型误差和投影误差。针对目前方法的不足,本文利用深度学习对非结构化数据处理的优势,提出了... GPS坐标转换方法对于GPS空间定位系统至关重要。目前已有很多方法被提出用于转换GPS坐标,但效果并不是很显著。究其原因,是因为大多数都存在模型误差和投影误差。针对目前方法的不足,本文利用深度学习对非结构化数据处理的优势,提出了一种基于卷积神经网络(CNN)的GPS坐标转换方法。该方法将GPS数据转化为非结构化图片数据,以其作为CNN的输入层来训练GPS坐标转换模型,这样能够最小化满足对数据的预处理要求,无监督地从数据中学习出有效特征。试验结果表明,该方法与传统坐标转换方法相比,具有更高的转换精度。 展开更多
关键词 深度学习 神经网络 卷积神经网络 坐标转换 全球定位系统
基于生成式对抗网络的中文字体风格迁移 预览
3
作者 滕少华 孔棱睿 《计算机应用研究》 CSCD 北大核心 2019年第10期3164-3167,共4页
风格多样的中文字体是一种重要的中国文化符号,它的设计和操作是一项需要大量专业知识的艰巨工作。因此,针对这项工作提出一种基于生成式对抗网络的中文字体风格迁移的新方法。实验中,使用基于残差网络结构的生成式模型,在均方误差约束... 风格多样的中文字体是一种重要的中国文化符号,它的设计和操作是一项需要大量专业知识的艰巨工作。因此,针对这项工作提出一种基于生成式对抗网络的中文字体风格迁移的新方法。实验中,使用基于残差网络结构的生成式模型,在均方误差约束下,进行生成式模型与判别式模型之间的对抗训练,最后使用训练所得的生成式模型实现不同中文字体间一对一和多对多的风格迁移。实验表明,与之前常用的基于l1正则化方法相比,使用这种方法在字体细节生成上有更出色的表现,简化了中文字体的建模方式,提高了生成图像的逼真度,并具有更好的灵活性和通用性。 展开更多
关键词 风格迁移 生成式对抗网络 卷积神经网络 残差网络 深度学习
在线阅读 下载PDF
人工神经网络的发展综述 预览
4
作者 夏瑜潞 《电脑知识与技术:学术版》 2019年第7Z期227-229,共3页
人工神经网络(ANN)是人工智能领域中十分重要的运算模型,ANN通过模拟人类大脑的结构和逻辑,来处理复杂的问题。本文首先介绍了ANN的起源和发展,其次描述了全连接神经网络和深度神经网络的结构,其中具体介绍了卷积神经网络及其应用,最后... 人工神经网络(ANN)是人工智能领域中十分重要的运算模型,ANN通过模拟人类大脑的结构和逻辑,来处理复杂的问题。本文首先介绍了ANN的起源和发展,其次描述了全连接神经网络和深度神经网络的结构,其中具体介绍了卷积神经网络及其应用,最后探讨了ANN的未来发展目标,并提出了对未来工作的期望。 展开更多
关键词 人工智能 神经网络 卷积神经网络 图像识别
在线阅读 下载PDF
多尺度残差网络模型的研究及其应用
5
作者 王飞 张莹 +2 位作者 卲豪 张东波 牟清萍 《电子测量与仪器学报》 CSCD 北大核心 2019年第4期19-28,共10页
针对传统的卷积神经网络不能充分利用图像的多尺度信息,以及网络层数的增加导致优化参数增加的问题。提出多尺度残差网络模型通过多尺度跨通道的卷积融合提高图像的特征表征能力;然后把大的卷积核分解成小的非对称卷积核降低网络的参数... 针对传统的卷积神经网络不能充分利用图像的多尺度信息,以及网络层数的增加导致优化参数增加的问题。提出多尺度残差网络模型通过多尺度跨通道的卷积融合提高图像的特征表征能力;然后把大的卷积核分解成小的非对称卷积核降低网络的参数计算;接着利用残差网络原理来降低深层网络的梯度消失问题;最后将提出的多尺度卷积模块嵌入到Lenet网络中。在Mnist数据集上的测试结果证明分类准确率比原始Lenet网络提高了0.24%,在LFW数据集上的测试结果表明分类准确率优于Deep Face、Web Face等传统算法。 展开更多
关键词 多尺度残差网络 卷积神经网络 跨通道卷积 核分解
基于深度学习的离线手写签名真伪识别方法 预览
6
作者 胥玉龙 张永梅 滑瑞敏 《电脑知识与技术:学术版》 2019年第5X期228-232,共5页
针对手写签名样本数据量少、需要较高准确率的特点,设计了一种基于弹性网格的Gabor特征提取结合卷积神经网络的离线手写签名内容识别方法,利用仿射变换扩展数据集,基于弹性网格提取Gabor特征,训练带有BN层和Dropout层的卷积神经网络进... 针对手写签名样本数据量少、需要较高准确率的特点,设计了一种基于弹性网格的Gabor特征提取结合卷积神经网络的离线手写签名内容识别方法,利用仿射变换扩展数据集,基于弹性网格提取Gabor特征,训练带有BN层和Dropout层的卷积神经网络进行签名内容分类。提出了一种LBP特征提取算法结合深度置信网络的离线手写签名真伪识别方法,分块提取LBP直方图特征,进行特征合并,训练由三层受限玻尔兹曼机堆叠而成的深度置信网络进行签名真伪识别。实验结果表明,该方法可以有效提高离线手写签名分类和真伪识别的准确率,并减少了过拟合现象的发生。 展开更多
关键词 弹性网格 GABOR特征 卷积神经网络 深度置信网络 离线手写签名
在线阅读 下载PDF
基于卷积神经网络的遥感图像目标检测 被引量:1
7
作者 欧攀 张正 +1 位作者 路奎 刘泽阳 《激光与光电子学进展》 CSCD 北大核心 2019年第5期66-72,共7页
针对遥感图像中的目标检测问题,采用基于卷积神经网络的目标检测框架对目标进行提取,针对该网络制作了包含三类遥感图像中常见目标的目标检测数据集。为了解决遥感图像目标旋转角度较大的问题,将空间变换网络融入超快区域卷积神经网络,... 针对遥感图像中的目标检测问题,采用基于卷积神经网络的目标检测框架对目标进行提取,针对该网络制作了包含三类遥感图像中常见目标的目标检测数据集。为了解决遥感图像目标旋转角度较大的问题,将空间变换网络融入超快区域卷积神经网络,提出了一种具有旋转不变性自学习能力的目标检测模型。通过与传统的目标检测方法进行对比分析,探究了不同方法对遥感图像目标检测的实际效果。相对于传统的目标检测方法,融合了空间变换网络的卷积神经网络所提取的特征具有更好的旋转不变特性,从而能够达到更高的检测精度。 展开更多
关键词 图像处理 卷积神经网络 空间变换网络 目标检测 深度学习
采用ACGAN及多特征融合的高光谱遥感图像分类 预览
8
作者 刘群 陈锻生 《华侨大学学报:自然科学版》 CAS 北大核心 2019年第1期113-120,共8页
为解决标记样本缺乏、提升分类精度及增强模型容错性等问题,提出一种基于辅助分类器生成对抗网络(ACGAN)的分类方法.首先,将预训练的ACGAN模型作为光谱特征提取器,采用局部二值模式(LBP)算法提取图像的纹理特征;然后,融合光谱特征和纹... 为解决标记样本缺乏、提升分类精度及增强模型容错性等问题,提出一种基于辅助分类器生成对抗网络(ACGAN)的分类方法.首先,将预训练的ACGAN模型作为光谱特征提取器,采用局部二值模式(LBP)算法提取图像的纹理特征;然后,融合光谱特征和纹理特征,由卷积神经网络(CNN)进行分类.在2个广泛使用的数据集上进行实验,结果表明:相较于其他方法,文中方法可显著提高分类精度. 展开更多
关键词 高光谱图像分类 生成对抗网络 局部二值模式 卷积神经网络
在线阅读 下载PDF
基于深度学习方法的海上舰船目标检测 预览
9
作者 袁明新 张丽民 +2 位作者 朱友帅 姜烽 申燚 《舰船科学技术》 北大核心 2019年第1期111-115,124共6页
为了提高海上无人艇的舰船目标检测精度和速率,本文基于深度学习方法,利用卷积神经网络、区域建议网络及FastR-CNN检测框架构建了舰船检测系统。该系统通过共享的卷积神经网络提取特征;通过区域建议网络生成候选区域;通过FastR-CNN框架... 为了提高海上无人艇的舰船目标检测精度和速率,本文基于深度学习方法,利用卷积神经网络、区域建议网络及FastR-CNN检测框架构建了舰船检测系统。该系统通过共享的卷积神经网络提取特征;通过区域建议网络生成候选区域;通过FastR-CNN框架实现目标检测识别,从而实现端到端的舰船目标检测。实验结果表明,相比于传统机器学习目标检测算法,该舰船检测系统在检测精度及检测速率上均有大幅提高,达到83.79%的准确率及0.05s/帧的检测速率。本文的舰船检测系统在检测精度及速率上均表现优异,满足了水面无人艇的工作要求。 展开更多
关键词 舰船 目标检测 深度学习 区域建议网络 卷积神经网络
在线阅读 下载PDF
改进胶囊网络的有序重叠手写数字识别方法
10
作者 朱娟 陈晓 《激光杂志》 北大核心 2019年第7期43-46,共4页
胶囊网络识别重叠手写数字时没考虑输出字符的顺序。为了用胶囊网络实现有序重叠手写数字识别,对原有的胶囊网络结构做出改进,构造了含有多个数字胶囊层的识别模型,每个数字胶囊层识别一个分类标签,然后通过动态路由机制算法更新数字胶... 胶囊网络识别重叠手写数字时没考虑输出字符的顺序。为了用胶囊网络实现有序重叠手写数字识别,对原有的胶囊网络结构做出改进,构造了含有多个数字胶囊层的识别模型,每个数字胶囊层识别一个分类标签,然后通过动态路由机制算法更新数字胶囊层的参数,实现有序重叠手写数字识别。在构建的重叠手写数字数据集上进行测试并与卷积神经网络算法进行了比较。改进胶囊网络识别有序重叠手写数字的准确率达到87. 62%,相比于卷积神经网络准确率有了显著提升,证明了改进方法的有效性。 展开更多
关键词 胶囊网络 重叠手写数字 手写数字识别 图像识别 卷积神经网络
基于多任务压缩激发网络的行人属性识别 预览
11
作者 刘弋锋 李勐 +3 位作者 邱迪 王文杉 许忠雄 宋超 《科学技术与工程》 北大核心 2019年第24期237-241,共5页
自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别... 自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,研究结果相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升,研究结果具有普遍有效性。 展开更多
关键词 行人属性识别 多任务 卷积神经网络 压缩激发模块 焦点损失
在线阅读 免费下载
基于卷积神经网络算法的自动地层对比实验
12
作者 徐朝晖 刘钰铭 +4 位作者 周新茂 何辉 张波 吴昊 高建 《石油科学通报》 2019年第1期1-10,共10页
深度学习善于从原始数据输入中挖掘其内在的抽象特征,十余年来,其在语音识别、语义分析、图像分析等领域取得了巨大成功,也大大推动了人工智能的发展。本文基于深度学习中广泛应用的卷积神经网络算法,以大庆油田某区块密井网数据为对象... 深度学习善于从原始数据输入中挖掘其内在的抽象特征,十余年来,其在语音识别、语义分析、图像分析等领域取得了巨大成功,也大大推动了人工智能的发展。本文基于深度学习中广泛应用的卷积神经网络算法,以大庆油田某区块密井网数据为对象,开展自动地层对比试验。实验中,随机选取部分井作为训练样本,对另一部分井分层进行预测,并与原始分层数据比对进行误差分析。按照训练样本的井数据比例65%、40%、20%和10%,将实验分为4组,每组实验包括油层组、砂层组和小层级3个相互独立的实验。12个实验结果表明:训练量越大,地层级别越高(厚度越厚),自动对比效果越好;20%的训练量就可以较可靠地进行砂组及以上级别地层单元(厚度不小于10 m)的自动对比。该实验表明卷积神经网络算法能有效应用于依据测井曲线进行油藏规模地层自动对比,具有良好的发展前景。 展开更多
关键词 地层自动对比 深度学习 卷积神经网络 训练与预测
基于深度网络和数据增强的多物体图像识别
13
作者 吴睿曦 肖秦琨 《国外电子测量技术》 2019年第5期86-90,共5页
针对自然物体识别过程中,自然物体发生改变时传统多物体识别算法识别精度下降的问题,提出了一种基于深度网络和数据增强的物体图像识别算法。该算法应用多层卷积神经网络取代了传统算法对物体的特征进行提取,并且使用数据增强提高识别... 针对自然物体识别过程中,自然物体发生改变时传统多物体识别算法识别精度下降的问题,提出了一种基于深度网络和数据增强的物体图像识别算法。该算法应用多层卷积神经网络取代了传统算法对物体的特征进行提取,并且使用数据增强提高识别的速度和准确度。首先开发一个多物体识别的残差深度网络模型,然后利用数据存储区沿垂直轴随机翻转训练图像,并在水平和垂直方向上随机地将图像数据平移4个像素,最终通过对残差网络的迁移学习实现多物体图像识别。实验结果表明使用数据增强技术能有效解决数据集量数不足、网络模型过度拟合和记忆训练图像的确切细节等问题,并且该网络模型提高了图像识别准确度。 展开更多
关键词 深度学习 卷积神经网络 ResNet 数据增强
基于深度卷积对抗生成网络的人脸图像生成 预览
14
作者 陆萍 董虎胜 《现代计算机》 2019年第21期56-58,64共4页
使用计算机生成具有真实显示效果的图像是当前计算机视觉研究中的一个新的方向。设计一种基于深度卷积生成对抗网络(DCGAN)的图像生成模型。在该模型中,通过消除传统网络中的全连接层,应用批量归一化和反卷积运算来创建深度卷积/反卷积... 使用计算机生成具有真实显示效果的图像是当前计算机视觉研究中的一个新的方向。设计一种基于深度卷积生成对抗网络(DCGAN)的图像生成模型。在该模型中,通过消除传统网络中的全连接层,应用批量归一化和反卷积运算来创建深度卷积/反卷积网络结构,并将它们用作为生成对抗网络中的判别模型与生成模型。在CelebA数据集上的实验结果表明该模型具有优秀的人脸图像生成效果。 展开更多
关键词 图像生成 深度学习 卷积神经网络 生成对抗网络
在线阅读 免费下载
基于SSVEP_SSA融合的混合脑机接口研究
15
作者 韩向可 郭士杰 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第5期213-220,共8页
针对目前基于体感选择性注意范式的脑机接口控制指令数少,信息传输率低等缺点,提出了一种全新的多模态混合脑机接口系统。该系统融合稳态视觉刺激(SSVEP)和体感选择性注意范式(SSA),在外部视觉和体感刺激的作用下,诱发大脑产生稳态视觉... 针对目前基于体感选择性注意范式的脑机接口控制指令数少,信息传输率低等缺点,提出了一种全新的多模态混合脑机接口系统。该系统融合稳态视觉刺激(SSVEP)和体感选择性注意范式(SSA),在外部视觉和体感刺激的作用下,诱发大脑产生稳态视觉电位和事件相关去同步现象。同时,为了解决传统脑电信息特征提取中需要大量先验知识等问题,引入深度学习算法对混合脑机接口信息进行意图解码,该方法将多通道的时域信息转换成具有时-频-空域三维特征的二维特征图。对8名受试者的离线实验显示,平均识别准确率达到81.35%,确认了所提出的基于SSVEP_SSA融合的多模态混合脑机接口是可行的,实现了脑机接口(BCI)系统的指令集扩展和高精度解码。 展开更多
关键词 多模态 混合脑机接口 体感选择性注意 卷积神经网络
基于深度卷积网络的糖尿病性视网膜病变分类 预览
16
作者 杜霞 《现代计算机》 2019年第11期14-19,共6页
糖尿病性视网膜病变是一种高致盲率的糖尿病眼底并发症且发病率逐年上升,临床人工诊断中存在判别困难、极度依赖医生经验、诊断准确率低等问题,因此对眼底病变的自动诊断方法有重要现实意义。采用深度卷积网络的In.ception-V4结构,根据... 糖尿病性视网膜病变是一种高致盲率的糖尿病眼底并发症且发病率逐年上升,临床人工诊断中存在判别困难、极度依赖医生经验、诊断准确率低等问题,因此对眼底病变的自动诊断方法有重要现实意义。采用深度卷积网络的In.ception-V4结构,根据视网膜图像进行四个病变阶段的分类。首先对原始数据进行归一化操作降低数据噪声,再通过旋转、剪裁等数据增强方法扩充数据集。然后采用迁移学习方法,先加载ImageNet预训练模型,再对Inception-V4网络进行参数微调。最后,接入一个四分类的分类器,使用Softmax函数获得图像的分类结果。实验在包含2409张眼底彩照的数据集上获得了88%的四分类准确率。该方法克服样本量不足以及数据不均衡的问题,在小数据集上获得较好的分类准确率,在辅助临床诊断中具有较好的应用价值。 展开更多
关键词 糖尿病性视网膜病变 卷积神经网络 深度学习
在线阅读 免费下载
基于SSD卷积神经网络的智能交通应用研究 预览
17
作者 金亚楠 严碧波 《电脑知识与技术:学术版》 2019年第7Z期211-213,共3页
针对传统的道路交通监控系统对目标的识别准确率较差、模型鲁棒性较弱且不具备实时性等问题,本文提出了一种基于卷积神经网络的道路交通目标检测方法。和传统的道路监控检测系统相比,卷积神经网络的模型更加适合处理大规模的数据。在卷... 针对传统的道路交通监控系统对目标的识别准确率较差、模型鲁棒性较弱且不具备实时性等问题,本文提出了一种基于卷积神经网络的道路交通目标检测方法。和传统的道路监控检测系统相比,卷积神经网络的模型更加适合处理大规模的数据。在卷积神经网络的分层特征提取下,既可以获得图像的低级语义,也可以获得图像的高级语义,经过对不同层级的样本特征分析,可以综合性地对目标进行识别分类,进一步提高模型的分类性能。验证结果表明该方法不但在准确率方面远远优于传统的识别系统,而且在硬件条件允许的情况下具有实时性。 展开更多
关键词 卷积神经网络 SSD模型 迁移学习 目标检测
在线阅读 下载PDF
一种适合警用的精细图像语义分割方法 预览
18
作者 陈岩 张承明 +2 位作者 高帅 于西占 于晓妍 《警学研究》 2019年第3期18-24,共7页
图像分割是雪亮工程和警用机器人系统控制研究中的关键技术,利用全卷积神经网络和条件随机场建立一种能够对图像进行精细分割的模型(EdgeCNN)。EdgeCNN使用全卷积网络结构提取像素级的颜色特征、纹理特征和语义特征;通过上采样得到图像... 图像分割是雪亮工程和警用机器人系统控制研究中的关键技术,利用全卷积神经网络和条件随机场建立一种能够对图像进行精细分割的模型(EdgeCNN)。EdgeCNN使用全卷积网络结构提取像素级的颜色特征、纹理特征和语义特征;通过上采样得到图像每个像素位置的特征向量,使用SoftMax分类器对图像进行粗分割;利用条件随机场描述相邻像素的约束关系,对图像粗分割结果的边缘进行精细处理。利用公开数据集PascalVOC进行训练,选择SegNet,DeepLab,RefineNet作为对比模型进行实验,以满足安防等场景下的图像处理工作要求。 展开更多
关键词 图像分割 卷积神经网络 条件随机场
在线阅读 下载PDF
基于多层信息融合的实时语义分割及其在电力场景中的应用 预览
19
作者 周晨轶 王文 +1 位作者 卢杉 徐亦白 《计算机与现代化》 2019年第8期17-22,共6页
语义分割是计算机视觉的一项基础工作。本文提出一种新型的结合点卷积与空洞卷积的上采样结构,并基于该结构设计一个能融合多层信息的实时语义分割模型。该模型在Cityscapes数据集上的mIoU能达到72.1%,对于640×360的输入图像,运行... 语义分割是计算机视觉的一项基础工作。本文提出一种新型的结合点卷积与空洞卷积的上采样结构,并基于该结构设计一个能融合多层信息的实时语义分割模型。该模型在Cityscapes数据集上的mIoU能达到72.1%,对于640×360的输入图像,运行速度能达到125fps,同时该模型在电力场景数据集下也有很好的效果。此外,本文还将该模型移植到移动端,实现一款基于语义分割的电力场景增强现实应用。 展开更多
关键词 深度学习 语义分割 卷积神经网络 电力场景
在线阅读 下载PDF
深层卷积神经网络的目标检测算法综述
20
作者 张泽苗 霍欢 赵逢禹 《小型微型计算机系统》 CSCD 北大核心 2019年第9期1825-1831,共7页
随着深度学习的发展,卷积神经网络在目标检测中取得了一系列研究成果.相比基于人工特征构造的传统的目标检测算法,基于深层卷积神经网络的算法具有特征自动提取,泛化能力强的优点,有较好的鲁棒性.本文首先介绍了卷积神经网络在目标检测... 随着深度学习的发展,卷积神经网络在目标检测中取得了一系列研究成果.相比基于人工特征构造的传统的目标检测算法,基于深层卷积神经网络的算法具有特征自动提取,泛化能力强的优点,有较好的鲁棒性.本文首先介绍了卷积神经网络在目标检测基础任务图像分类上的进展,然后按照目标检测算法评价指标、算法框架以及公共数据集三个方面重点分析和比较近年来基于深度学习模型的目标检测算法的研究情况,最后对目标检测算法未来的发展进行展望. 展开更多
关键词 图像分类 深度学习 卷积神经网络 目标检测
上一页 1 2 108 下一页 到第
使用帮助 返回顶部 意见反馈