期刊文献+
共找到2,002篇文章
< 1 2 101 >
每页显示 20 50 100
深度学习图像修复方法综述
1
作者 强振平 何丽波 +1 位作者 陈旭 徐丹 《中国图象图形学报》 CSCD 北大核心 2019年第3期447-463,共17页
目的图像修复是计算机视觉领域研究的一项重要内容,其目的是根据图像中已知内容来自动地恢复丢失的内容,在图像编辑、影视特技制作、虚拟现实及数字文化遗产保护等领域都具有广泛的应用价值。而近年来,随着深度学习在学术界和工业界的... 目的图像修复是计算机视觉领域研究的一项重要内容,其目的是根据图像中已知内容来自动地恢复丢失的内容,在图像编辑、影视特技制作、虚拟现实及数字文化遗产保护等领域都具有广泛的应用价值。而近年来,随着深度学习在学术界和工业界的广泛研究,其在图像语义提取、特征表示、图像生成等方面的应用优势日益突出,使得基于深度学习的图像修复方法的研究成为了国内外一个研究热点,得到了越来越多的关注。为了使更多研究者对基于深度学习的图像修复理论及其发展进行探索,本文对该领域研究现状进行综述。方法首先对基于深度学习图像修复方法提出的理论依据进行分析;然后对其中涉及的关键技术进行研究;总结了近年来基于深度学习的主要图像修复方法,并依据修复网络的结构对现有方法进行了分类,即分为基于卷积自编码网络结构的图像修复方法、基于生成式对抗网络结构的图像修复方法和基于循环神经网络结构的图像修复方法。结果在基于深度学习的图像修复方法中,深度学习网络的设计和训练过程中的损失函数的选择是其重要的内容,各类方法各有优缺点和其适用范围,如何提高修复结果语义的合理性、结构及细节的正确性,一直是研究者们努力的方向,基于此目的,本文通过实验分析总结了各类方法的主要特点、存在的问题、对训练样本的要求、主要应用领域及参考代码。结论基于深度学习图像修复领域的研究已经取得了一些显著进展,但目前深度学习在图像修复中的应用仍处于起步阶段,主要研究的内容也仅仅是利用待修复图像本身的图像内容信息,因此基于深度学习的图像修复仍是一个极具挑战的课题。如何设计具有普适性的修复网络,提高修复结果的准确性,还需要更加深入的研究。 展开更多
关键词 图像修复 深度学习 卷积神经网络 生成式对抗网络 循环神经网络 深度卷积自编码器网络
基于卷积记忆神经网络的数字表盘读数识别 预览
2
作者 熊勋 陈新度 +1 位作者 吴磊 林旭华 《组合机床与自动化加工技术》 北大核心 2019年第7期72-75,共4页
针对巡检机器人在执行例检任务时,对数字表盘读数识别精确度低的问题,提出一种基于卷积记忆神经网络的数字表盘抄表算法。对高清摄像机获取的目标图像信息,经过图像轮廓提取算法定位到表盘字符区域,结合卷积神经网络(CNN)和长短期记忆网... 针对巡检机器人在执行例检任务时,对数字表盘读数识别精确度低的问题,提出一种基于卷积记忆神经网络的数字表盘抄表算法。对高清摄像机获取的目标图像信息,经过图像轮廓提取算法定位到表盘字符区域,结合卷积神经网络(CNN)和长短期记忆网络(LSTM)模型的特点,提出了卷积记忆神经网络模型(CLSTM),与传统字符识别算法CNN和LSTM相比,此模型既不需要做字符分割,又能够优化特征提取。实验以电表进行测试,结果表明,相比于CNN和LSTM,此模型准确率更高。 展开更多
关键词 数字仪表 卷积神经网络 长短期记忆网络 卷积记忆神经网络
在线阅读 下载PDF
两层级联卷积神经网络的人脸检测
3
作者 张海涛 李美霖 董帅含 《中国图象图形学报》 CSCD 北大核心 2019年第2期203-214,共12页
目的传统人脸检测方法因人脸多姿态变化和人脸面部特征不完整等问题,导致检测效果不佳。为解决上述问题,提出一种两层级联卷积神经网络(TC_CNN)人脸检测方法。方法首先,构建两层卷积神经网络模型,利用前端卷积神经网络模型对人脸图像进... 目的传统人脸检测方法因人脸多姿态变化和人脸面部特征不完整等问题,导致检测效果不佳。为解决上述问题,提出一种两层级联卷积神经网络(TC_CNN)人脸检测方法。方法首先,构建两层卷积神经网络模型,利用前端卷积神经网络模型对人脸图像进行特征粗略提取,再利用最大值池化方法对粗提取得到的人脸特征进行降维操作,输出多个疑似人脸窗口;其次,将前端粗提取得到的人脸窗口作为后端卷积神经网络模型的输入进行特征精细提取,并通过池化操作得到新的特征图;最后,通过全连接层判别输出最佳检测窗口,完成人脸检测全过程。结果实验选取FDDB人脸检测数据集中包含人脸多姿态变化以及人脸面部特征信息不完整等情况的图像进行测试,TC_CNN方法人脸检测率达到96. 39%,误检率低至3. 78%,相比当前流行方法在保证算法效率的同时检测率均有提高。结论两层级联卷积神经网络人脸检测方法能够在人脸多姿态变化和面部特征信息不完整等情况下实现精准检测,保证较高的检测率,有效降低误检率,方法具有较好的鲁棒性和泛化能力。 展开更多
关键词 人脸检测 卷积神经网络 十折交叉验证 两层级联卷积神经网络 最大值池化
基于深度网络分级特征图的图像超分辨率重建 预览
4
作者 张一帆 杨欣 +1 位作者 朱松岩 周大可 《云南民族大学学报:自然科学版》 CAS 2019年第2期172-176,共5页
从低分辨率图像中提取特征图恢复高分辨率图像中的高频信息是超分辨率重建的一个关键问题,针对该问题提出一个新的基于卷积神经网络的超分辨率重建算法.网络结构由卷积层与子像素卷积组成,特征提取网络中卷积层提取低分辨率图像的特征,... 从低分辨率图像中提取特征图恢复高分辨率图像中的高频信息是超分辨率重建的一个关键问题,针对该问题提出一个新的基于卷积神经网络的超分辨率重建算法.网络结构由卷积层与子像素卷积组成,特征提取网络中卷积层提取低分辨率图像的特征,重建网络中子像素卷积神经网络作为上采样算子.针对不能充分利用多级特征图的问题,采用跳跃连接和特征图联结在特征提取网络末端跨通道融合特征图,同时降低特征图的维度.并在此基础上再次提取特征图应用于重建.实验结果表明,算法在PSNR、SSIM和人类视觉效果上与其他基于深度学习的算法相比有着显著的提高. 展开更多
关键词 超分辨率重建 深度学习 卷积神经网络 子像素卷积神经网络
在线阅读 免费下载
基于混合神经网络的单文档自动文摘模型
5
作者 陈巧红 董雯 +1 位作者 孙麒 贾宇波 《浙江理工大学学报》 2019年第4期489-498,共10页
针对现有单文档自动文摘方法获取文摘的连贯性和准确度较差的问题,提出了一种基于混合神经网络的自动文摘模型。该模型将卷积神经网络和长短期记忆网络相结合,并在长短期记忆网络的输入端增加了一个记忆细胞状态。该模型首先利用卷积神... 针对现有单文档自动文摘方法获取文摘的连贯性和准确度较差的问题,提出了一种基于混合神经网络的自动文摘模型。该模型将卷积神经网络和长短期记忆网络相结合,并在长短期记忆网络的输入端增加了一个记忆细胞状态。该模型首先利用卷积神经网络对句子进行向量表示;然后将每个句子中的词向量和文档中的句向量分别输入两个长短期记忆网络,得到句子和文档的匹配程度;最后将匹配程度高的句子进行组合,获得文摘。实验发现:基于混合神经网络的单文档自动文摘模型与LSI、LDA、TextRank、PCA以及长短期记忆网络模型相比,ROUGE-2和ROUGE-3值均有0.01左右的提升,这表明提出的模型获取文摘的可读性较好,上下文关系明确,有效提升了自动文摘的质量。 展开更多
关键词 混合神经网络 自动文摘 卷积神经网络 长短期记忆网络 深度学习
卷积神经网络在车牌识别中的应用研究 预览 被引量:1
6
作者 刘华春 《计算机技术与发展》 2019年第4期128-132,共5页
为了改善传统车牌识别方法中过分依赖车牌特征和鲁棒性不强等问题,将具有良好图像识别性能的卷积神经网络LeNet-5模型引入到车牌字符识别中,并对其结构进行改进以满足需要。设计了2个网络分别进行汉字和数字/字母识别,将输出层类别由10... 为了改善传统车牌识别方法中过分依赖车牌特征和鲁棒性不强等问题,将具有良好图像识别性能的卷积神经网络LeNet-5模型引入到车牌字符识别中,并对其结构进行改进以满足需要。设计了2个网络分别进行汉字和数字/字母识别,将输出层类别由10增加到31和34;C5卷积层的特征面数目增加到480,输入图像像素增加到64×64。对改进后的网络进行了实验,并分别与3层BP神经网络和支持向量机(SVM)进行对比测试。实验结果表明,该卷积神经网络避免了传统车牌字符识别方法中复杂的特征提取,增强了鲁棒性,提高了准确率。改进后的LeNet-5相比BP神经网络在识别准确率上可提高约6%,识别速度也更快;与SVM相比较,汉字分类准确率可以提高约7%,字符/数字准确率可以提高约4%。 展开更多
关键词 车牌识别 卷积神经网络 支持向量机 改进LeNet-5卷积网络 深度学习
在线阅读 下载PDF
AM-CNN:一种基于注意力的卷积神经网络文本分类模型
7
作者 王吉俐 彭敦陆 +1 位作者 陈章 刘丛 《小型微型计算机系统》 CSCD 北大核心 2019年第4期710-714,共5页
目前,大多数公开的文本分类数据集是相对平衡的,但对于真实文本分布来说,通常会出现类别极端不平衡的情况,这样的数据集会对模型训练产生影响.针对该问题,论文提出了一种基于卷积神经网络和注意力机制的文本分类算法--AM-CNN(Convolutio... 目前,大多数公开的文本分类数据集是相对平衡的,但对于真实文本分布来说,通常会出现类别极端不平衡的情况,这样的数据集会对模型训练产生影响.针对该问题,论文提出了一种基于卷积神经网络和注意力机制的文本分类算法--AM-CNN(Convolutional Neural Network with Attention Mechanism).算法利用循环神经网络捕捉文本的上下文信息,通过引入注意力机制得到文本类别的特征向量矩阵后运用卷积神经网络模型完成文本的分类,以降低在文本分类的训练过程中对小类别的不公平.实验结果表明,该算法对于提高文本分类的精度有较显著的效果. 展开更多
关键词 文本分类 循环神经网络 注意力机制 卷积神经网络 不平衡
基于卷积门控循环神经网络的语音增强方法
8
作者 袁文浩 娄迎曦 +1 位作者 夏斌 孙文珠 《华中科技大学学报:自然科学版》 EI CAS CSCD 北大核心 2019年第4期13-18,共6页
为了进一步提高基于深度神经网络的语音增强方法的性能,针对单独使用卷积神经网络难以对含噪语音中的长期依赖关系进行建模的问题,提出一种基于卷积门控循环神经网络的语音增强方法.该方法首先采用卷积神经网络提取含噪语音中的局部特征... 为了进一步提高基于深度神经网络的语音增强方法的性能,针对单独使用卷积神经网络难以对含噪语音中的长期依赖关系进行建模的问题,提出一种基于卷积门控循环神经网络的语音增强方法.该方法首先采用卷积神经网络提取含噪语音中的局部特征,然后采用门控循环神经网络将含噪语音中不同时间段的局部特征进行关联,通过结合两种网络的不同特性,在语音增强中更好地利用含噪语音中的上下文信息.实验结果表明:该方法能够有效提高未知噪声条件下的语音增强性能,增强后的语音具有更好的语音质量和可懂度. 展开更多
关键词 语音增强 深度学习 卷积神经网络 循环神经网络 局部特征
采用CNN和Bidirectional GRU的时间序列分类研究 预览
9
作者 张国豪 刘波 《计算机科学与探索》 CSCD 北大核心 2019年第6期916-927,共12页
时间序列数据具有非离散性、数据之间的时序相关性、特征空间维度大等特点,当前大多数分类方法需要经过复杂的数据处理或特征工程,未考虑到时间序列具有不同时间尺度特征以及序列数据之间的时序依赖。通过结合卷积神经网络和循环神经网... 时间序列数据具有非离散性、数据之间的时序相关性、特征空间维度大等特点,当前大多数分类方法需要经过复杂的数据处理或特征工程,未考虑到时间序列具有不同时间尺度特征以及序列数据之间的时序依赖。通过结合卷积神经网络和循环神经网络中的双向门控循环单元,提出了一个新的端对端深度学习神经网络模型BiGRU-FCN,不需要对数据进行复杂的预处理,并且通过不同的网络运算来获取多种特征信息,如卷积神经网络在时序信息上的空间特征以及双向循环神经网络在序列上的双向时序依赖特征,对单维时间序列进行分类。在大量的基准数据集上对模型进行实验与评估,实验结果表明,与现有的多种方法相比,所提出的模型具有更高的准确率,具有很好的分类效果。 展开更多
关键词 时间序列分类 深度学习 卷积神经网络 循环神经网络 双向门控循环单元
在线阅读 下载PDF
基于轻量化SSD的车辆及行人检测网络 预览
10
作者 郑冬 李向群 许新征 《南京师大学报:自然科学版》 CAS CSCD 北大核心 2019年第1期73-81,共9页
近年来,基于深度学习的目标检测算法发展迅速.但是由于深度网络规模过大,导致其还不能在嵌入式平台上进行广泛应用.本文针对SSD(Single Shot Multi-box Detector)模型的规模进行优化,引入了轻量化卷积神经网络Mobile Netv2,对比了SSD和... 近年来,基于深度学习的目标检测算法发展迅速.但是由于深度网络规模过大,导致其还不能在嵌入式平台上进行广泛应用.本文针对SSD(Single Shot Multi-box Detector)模型的规模进行优化,引入了轻量化卷积神经网络Mobile Netv2,对比了SSD和其轻量化版本SSDLite的网络结构,在此基础上提出了基于轻量化SSD的车辆及行人检测模型LVP-DN(Lightweight Vehicle and Pedestrian Detection Network).首先,通过MobilNetv2替代VGG作为基础网络进行特征提取.然后,用轻量化的SSD版本SSDLite替代SSD,从而达到减少模型大小、加快检测速度的目的.进一步通过优化默认候选框的比例,提高了网络对行人的检测精度.最后,在KITTI和PASCALVOC数据集上分别对比了不同基础网络、输入图像尺寸及是否使用预训练模型这3个因素对网络性能的影响.实验结果表明,相比其他流行的目标检测模型,本文所提出的车辆及行人检测模型在精度、速度和模型大小等评价标准上取得了较好的效果. 展开更多
关键词 目标检测 卷积神经网络 轻量化神经网络 SSD MobileNetv2
在线阅读 下载PDF
人工神经网络在信息过滤中的应用 预览
11
作者 伍逸凡 朱龙娇 石俊萍 《吉首大学学报:自然科学版》 CAS 2019年第3期17-22,共6页
通过分析TextCNN和TextRNN等模型的特点,构建了卷积神经网络与循环神经网络相结合的文本分类模型.在"SMS Spam Collection v.1"数据集上对模型进行测试,选用AUC和Precision等评价指标来评价模型.结果表明,模型有良好的鲁棒性... 通过分析TextCNN和TextRNN等模型的特点,构建了卷积神经网络与循环神经网络相结合的文本分类模型.在"SMS Spam Collection v.1"数据集上对模型进行测试,选用AUC和Precision等评价指标来评价模型.结果表明,模型有良好的鲁棒性,能够准确识别垃圾邮件. 展开更多
关键词 卷积神经网络 循环神经网络 文本分类 信息过滤
在线阅读 下载PDF
基于数据增广和CNN的地震随机噪声压制 预览
12
作者 王钰清 陆文凯 +2 位作者 刘金林 张猛 苗永康 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2019年第1期421-433,共13页
卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一... 卷积神经网络(Convolutional Neural Network,CNN)是一种基于数据驱动的学习算法,简化了传统从特征提取到分类的两阶段式处理任务,被广泛应用于计算机科学的各个领域.在标注数据不足的地震数据去噪领域,CNN的推广应用受到限制.针对这一问题,本文提出了一种基于数据生成和增广的地震数据CNN去噪框架.对于合成数据,本文对无噪地震数据添加不同方差的高斯噪声,增广后构成训练集,实现基于小样本的CNN训练.对于实际地震数据,由于无法获得真实的干净数据和噪声来生成训练样本集,本文提出一种直接从无标签实际有噪数据生成标签数据集的方法.在所提出的方法中,我们利用目前已有的去噪方法从实际地震数据中分别获得估计干净数据和估计噪声,前者与未知的干净数据具有相似纹理,后者与实际噪声具有相似的概率分布.人工合成数据和实际数据实验结果表明,相较于F-X反褶积,BM3D和自适应频域滤波算法,本文方法能更好地压制随机噪声和保护有效信号.最后,本文采用神经网络可视化方法对去噪CNN的机理进行了探索,一定程度上解释了网络每一层的学习内容. 展开更多
关键词 卷积神经网络 数据增广 地震噪声压制 神经网络可视化
在线阅读 免费下载
基于卷积神经网络的嵌入式手势检测算法 预览
13
作者 王锟 宋永红 +1 位作者 郑斐 梅魁志 《计算机工程与应用》 CSCD 北大核心 2019年第4期137-141,178共6页
针对嵌入式平台下卷积神经网络运行速度慢,无法快速手势检测的问题,提出一种基于SSD的卷积神经网络的嵌入式手势检测算法,该算法显著提高了手势检测速度,并保持了高精度。首先通过一种预处理方法,对原来的手势数据库进行5倍扩展;然后对... 针对嵌入式平台下卷积神经网络运行速度慢,无法快速手势检测的问题,提出一种基于SSD的卷积神经网络的嵌入式手势检测算法,该算法显著提高了手势检测速度,并保持了高精度。首先通过一种预处理方法,对原来的手势数据库进行5倍扩展;然后对SSD算法的基础神经网络层进行卷积因子分解,使用MobileNet神经网络获得了在CPU下的3倍加速;最后通过改变输入图片大小同时改变网络结构,减少了算法的计算复杂度。实验结果表明所提算法在两个数据集上的平均精度均值(Mean Average Precision,mAP)下降2.7%,但是在Qualcomm SnapDragon 820平台下检测一张图片时间可达到0.233 s,检测速度提高40倍以上。 展开更多
关键词 嵌入式神经网络加速 手势检测 卷积神经网络 SSD
在线阅读 下载PDF
基于混合神经网络的人脸表情识别研究 预览
14
作者 张少巍 倪绍洲 《长春大学学报》 2019年第2期37-40,共4页
在进行面部表情识别(Facial Expression Recognition,FER)的一系列方法中,深度神经网络(Deep Neural Networks,DNN)的性能优于传统模型。现有的FER方法的高精度不够,而且不够实用。基于此提出了一种混合卷积-递归神经网络方法用于图像的... 在进行面部表情识别(Facial Expression Recognition,FER)的一系列方法中,深度神经网络(Deep Neural Networks,DNN)的性能优于传统模型。现有的FER方法的高精度不够,而且不够实用。基于此提出了一种混合卷积-递归神经网络方法用于图像的FER。所提出的网络体系结构由卷积神经网络(Convolutional Neural Network,CNN)和递归神经网络(Recurrent Neural Network,RNN)组成。组合模型提取面部图像之间的关系,并且通过使用递归网络,在分类期间考虑图像中存在的时间依赖性。基于两个公共数据集对此混合模型进行测试,获得了很好的实验结果。 展开更多
关键词 表情识别 深度学习 卷积神经网络 递归神经网络
在线阅读 下载PDF
基于深度学习的音乐情感识别 预览
15
作者 唐霞 张晨曦 李江峰 《电脑知识与技术:学术版》 2019年第4Z期232-237,共6页
随着互联网多媒体技术的发展,越来越多的音乐歌曲通过网络发布并存储在大型数字音乐数据库中。针对传统音乐情感识别模型音乐情感识别率低的问题,本文提出一种基于深度学习的音乐情感识别模型。该模型使用音乐信号特征语谱图作为音乐特... 随着互联网多媒体技术的发展,越来越多的音乐歌曲通过网络发布并存储在大型数字音乐数据库中。针对传统音乐情感识别模型音乐情感识别率低的问题,本文提出一种基于深度学习的音乐情感识别模型。该模型使用音乐信号特征语谱图作为音乐特征输入,使用卷积神经网络和循环神经网络相结合的方法对语谱图进行特征提取和情感分类。实验表明,相比于单独使用CNN、RNN等情感识别模型,该模型对音乐情感识别率更高,对音乐情感识别的研究具有重大意义。 展开更多
关键词 音乐情感识别 深度学习 语谱图 卷积神经网络 循环神经网络
在线阅读 下载PDF
面向智能监控的行为识别
16
作者 马钰锡 谭励 +1 位作者 董旭 于重重 《中国图象图形学报》 CSCD 北大核心 2019年第2期282-290,共9页
目的为了进一步提高智能监控场景下行为识别的准确率和时间效率,提出了一种基于YOLO(you onlylook once:unified,real-time object detection)并结合LSTM(long short-term memory)和CNN(convolutional neural net-work)的人体行为识别算... 目的为了进一步提高智能监控场景下行为识别的准确率和时间效率,提出了一种基于YOLO(you onlylook once:unified,real-time object detection)并结合LSTM(long short-term memory)和CNN(convolutional neural net-work)的人体行为识别算法LC-YOLO(LSTM and CNN based on YOLO)。方法利用YOLO目标检测的实时性,首先对监控视频中的特定行为进行即时检测,获取目标大小、位置等信息后进行深度特征提取;然后,去除图像中无关区域的噪声数据;最后,结合LSTM建模处理时间序列,对监控视频中的行为动作序列做出最终的行为判别。结果在公开行为识别数据集KTH和MSR中的实验表明,各行为平均识别率达到了96. 6%,平均识别速度达到215 ms,本文方法在智能监控的行为识别上具有较好效果。结论提出了一种行为识别算法,实验结果表明算法有效提高了行为识别的实时性和准确率,在实时性要求较高和场景复杂的智能监控中有较好的适应性和广泛的应用前景。 展开更多
关键词 行为识别 目标检测 深度学习 卷积神经网络 循环神经网络
递归式多阶特征融合图像超分辨率算法
17
作者 佟骏超 费加罗 +2 位作者 陈靖森 李恒 丁丹丹 《中国图象图形学报》 CSCD 北大核心 2019年第2期302-312,共11页
目的近年来,卷积神经网络在解决图像超分辨率的问题上取得了巨大成功,不同结构的网络模型相继被提出。通过学习,这些网络模型对输入图像的特征进行抽象、组合,进而建立了从低分辨率的输入图像到高分辨率的目标图像的有效非线性映射。在... 目的近年来,卷积神经网络在解决图像超分辨率的问题上取得了巨大成功,不同结构的网络模型相继被提出。通过学习,这些网络模型对输入图像的特征进行抽象、组合,进而建立了从低分辨率的输入图像到高分辨率的目标图像的有效非线性映射。在该过程中,无论是图像的低阶像素级特征,还是高阶各层抽象特征,都对像素间相关性的挖掘起了重要作用,影响着目标高分辨图像的性能。而目前典型的超分辨率网络模型,如SRCNN (super-resolution convolutional neural network)、VDSR (very deep convolutional networks for super-resolution)、Lap SRN (Lapla-cian pyramid super-resolution networks)等,都未充分利用这些多层次的特征。方法提出一种充分融合网络多阶特征的图像超分辨率算法:该模型基于递归神经网络,由相同的单元串联构成,单元间参数共享;在每个单元内部,从低阶到高阶的逐级特征被级联、融合,以获得更丰富的信息来强化网络的学习能力;在训练中,采用基于残差的策略,单元内使用局部残差学习,整体网络使用全局残差学习,以加快训练速度。结果所提出的网络模型在通用4个测试集上,针对分辨率放大2倍、3倍、4倍的情况,与深层超分辨率网络VDSR相比,平均分别能够获得0. 24 d B、0. 23 d B、0. 19 d B的增益。结论实验结果表明,所提出的递归式多阶特征融合图像超分辨率算法,有效提升了性能,特别是在细节非常丰富的Urban100数据集上,该算法对细节的处理效果尤为明显,图像的客观质量与主观质量都得到显著改善。 展开更多
关键词 图像超分辨率 卷积神经网络 特征融合 递归神经网络 残差学习
基于CNN-LSTM模型的短文本情感分类 预览
18
作者 杜永萍 赵晓铮 裴兵兵 《北京工业大学学报》 CAS CSCD 北大核心 2019年第7期662-670,共9页
为了有效获取短文本评论隐含的语义信息进行情感倾向性识别,提出一种基于CNN-LSTM模型的短文本情感分类方法.利用卷积神经网络(convolutional neural network,CNN)模型设置不同大小的卷积窗口,提取短文本的语义特征.引入长短时记忆(long... 为了有效获取短文本评论隐含的语义信息进行情感倾向性识别,提出一种基于CNN-LSTM模型的短文本情感分类方法.利用卷积神经网络(convolutional neural network,CNN)模型设置不同大小的卷积窗口,提取短文本的语义特征.引入长短时记忆(long short-term memory, LSTM)神经网络模型对短文本的情感倾向进行预测.在3种不同的中英文短文本评论数据集上进行验证取得较好的性能,其中,在NLPCC评测数据集上,正、负向情感识别的F1值分别达到0.768 3和0.772 4(优于NLPCC 评测的最优结果).相较于传统的机器学习分类模型,t-test检验结果表明性能提升显著. 展开更多
关键词 短文本 情感分类 语义特征 深度学习 卷积神经网络 长短时记忆神经网络
在线阅读 下载PDF
DeepTriage:一种基于深度学习的软件缺陷自动分配方法
19
作者 宋化志 马于涛 《小型微型计算机系统》 CSCD 北大核心 2019年第1期126-132,共7页
在软件开发和维护过程中,缺陷修复工作有一项必不可少的任务,那就是缺陷分配.在大规模的软件项目中,基于文本分类的自动分配技术已被用于提高缺陷分配的效率,从而减少人工分配的等待时间和成本.考虑到缺陷报告文本内容的复杂性,本文提... 在软件开发和维护过程中,缺陷修复工作有一项必不可少的任务,那就是缺陷分配.在大规模的软件项目中,基于文本分类的自动分配技术已被用于提高缺陷分配的效率,从而减少人工分配的等待时间和成本.考虑到缺陷报告文本内容的复杂性,本文提出了一种基于深度学习的缺陷自动分配方法,在词向量化后通过卷积神经网络对缺陷报告文本进行特征提取,然后完成分类任务.在Eclipse和Mozilla两个数据集上的结果表明,与传统的支持向量机和基于递归神经网络的方法相比,文本所提方法在准确率指标上均优于上述基准方法,而且多层平行的卷积神经网络结构比单层的卷积神经网络结构在预测效果上更好. 展开更多
关键词 缺陷分配 深度学习 卷积神经网络 递归神经网络 支持向量机
一种改进的全局注意机制图像描述方法 预览
20
作者 马书磊 张国宾 +1 位作者 焦阳 石光明 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2019年第2期17-22,共6页
针对现有基于注意机制的图像描述方法全局信息缺失问题,提出了一种改进的全局注意机制图像描述方法。该方法在注意机制的基础上,通过设计全局特征网络来模拟人类感知机制的全过程,对图像全局特征进行增强。将所提方法在相同数据集和网... 针对现有基于注意机制的图像描述方法全局信息缺失问题,提出了一种改进的全局注意机制图像描述方法。该方法在注意机制的基础上,通过设计全局特征网络来模拟人类感知机制的全过程,对图像全局特征进行增强。将所提方法在相同数据集和网络超参数的情况下与目前最优网络进行实验对比,分析了全局信息对生成文本的影响。实验结果显示,文中提出的方法在更具挑战性的中文文本描述任务上客观评价指标优于目前最优的模型。同时,在主观评价中能够生成更准确的文本内容,也更具丰富性与多样性,接近自然语言描述。 展开更多
关键词 图像描述 注意力机制 全局特征 卷积神经网络 循环神经网络
在线阅读 下载PDF
上一页 1 2 101 下一页 到第
使用帮助 返回顶部 意见反馈