期刊文献+
共找到345篇文章
< 1 2 18 >
每页显示 20 50 100
基于深度残差生成式对抗网络的样本生成方法 认领
1
作者 王星 杜伟 +1 位作者 陈吉 陈海涛 《控制与决策》 EI CSCD 北大核心 2020年第8期1887-1894,共8页
作为样本生成的重要方法之一,生成式对抗网络(GAN)可以根据任意给定数据集中的数据分布生成样本,但它在实际的训练过程中存在生成样本纹理模糊、训练过程不稳定以及模式坍塌等问题.针对以上问题,在深度卷积生成式对抗网络(DCGAN)的基础... 作为样本生成的重要方法之一,生成式对抗网络(GAN)可以根据任意给定数据集中的数据分布生成样本,但它在实际的训练过程中存在生成样本纹理模糊、训练过程不稳定以及模式坍塌等问题.针对以上问题,在深度卷积生成式对抗网络(DCGAN)的基础上,结合残差网络,设计一种基于深度残差生成式对抗网络的样本生成方法RGAN.该样本生成方法利用残差网络和卷积网络分别构建生成模型和判别模型,并结合正负样本融合训练的学习优化策略进行优化训练.其中:深度残差网络可以恢复出丰富的图像纹理;正负样本融合训练的方式可以增加对抗网络的鲁棒性,有效缓解对抗网络训练不稳定和模式坍塌现象的发生.在102 Category Flower Dataset数据集上设计多个仿真实验,实验结果表明RGAN能有效提高生成样本的质量. 展开更多
关键词 生成式对抗网络 残差网络 深度学习 对抗训练 RGAN FID
多尺度密集时序卷积网络的单幅图像去雨方法 认领
2
作者 赵嘉兴 王夏黎 +1 位作者 王丽红 曹晨洁 《计算机技术与发展》 2020年第5期115-120,共6页
雨滴会降低户外拍摄图像质量,影响图像视觉效果及后续图像分析工作。针对目前去雨算法存在颜色失真、去雨过度化等问题,为了提高计算机视觉算法在中、大雨天气下的准确性,提出多尺度DenseTimeNet(密集时间序列卷积神经网络)的单幅图像... 雨滴会降低户外拍摄图像质量,影响图像视觉效果及后续图像分析工作。针对目前去雨算法存在颜色失真、去雨过度化等问题,为了提高计算机视觉算法在中、大雨天气下的准确性,提出多尺度DenseTimeNet(密集时间序列卷积神经网络)的单幅图像去雨方法。该网络由多个尺度DenseTimeNetBlock(密集时序卷积网络密集块)组成,通过卷积下采样技术得到不同尺度下雨线特征信息与降低图像维度后利用时域卷积寻找的时间维度特征信息。在不同维度下学习雨景图和无雨图之间的映射关系,网络主体由密集卷积块和残差网络组成,可加速算法收敛速度,更深度学习图像纹理特征,使特征信息在网络结构进行深度传播,可以更好地复原残损图像。在不同方向,不同大小的雨滴图像上对所提方法进行验证,实验结果表明,该方法相较于现有算法,图像去雨效果良好。 展开更多
关键词 图像去雨 多尺度网络 卷积神经网络 密集卷积 残差网络 深度传播
在线阅读 下载PDF
基于注意力生成对抗网络的图像超分辨率重建方法 认领
3
作者 丁明航 邓然然 邵恒 《计算机系统应用》 2020年第2期205-211,共7页
针对现有基于深度学习的图像超分辨率重建方法,其对细节纹理恢复过程中容易产生伪纹理,并且没有充分利用原始低分辨率图像丰富的局部特征层信息的问题,提出一种基于注意力生成对抗网络的超分辨率重建方法.该方法中生成器部分是通过注意... 针对现有基于深度学习的图像超分辨率重建方法,其对细节纹理恢复过程中容易产生伪纹理,并且没有充分利用原始低分辨率图像丰富的局部特征层信息的问题,提出一种基于注意力生成对抗网络的超分辨率重建方法.该方法中生成器部分是通过注意力递归网络构成,其网络中还引入了密集残差块结构.首先,生成器利用自编码结构提取图像局部特征层信息,并提升分辨率;然后,通过判别器进行图像修正,最终将图像重建为高分辨率图像.实验结果表明,在多种面向峰值信噪比超分辨率评价方法的网络中,所设计的网络表现出了稳定的训练性能,改善了图像的视觉质量,同时具有较强的鲁棒性. 展开更多
关键词 超分辨率重建 生成对抗网络 注意力网络 残差网络 特征提取
在线阅读 下载PDF
基于深度学习的实验设备识别系统开发设计 认领
4
作者 黄济川 杨雨秋 廖磊 《工业技术创新》 2020年第3期1-6,共6页
为了让使用者科学规范使用实验设备、教学者提高实验室教学效率,提出了基于深度学习的实验设备识别系统,系统搭载Android平台环境,使用者通过拍照或本地相册选取实验设备图像。Android客户端采集图像并裁剪,使用TCP/IP网络传输协议将图... 为了让使用者科学规范使用实验设备、教学者提高实验室教学效率,提出了基于深度学习的实验设备识别系统,系统搭载Android平台环境,使用者通过拍照或本地相册选取实验设备图像。Android客户端采集图像并裁剪,使用TCP/IP网络传输协议将图像发送至服务器端;服务器端使用残差网络和改进的YOLO网络模型对图像进行检测,并在数据库中查找图像特征值对应的实验设备;数据库将识别结果和设备使用方法、注意事项等反馈至Android客户端。测试表明,系统对实验设备的识别准确率可达99%以上。实验设备识别系统可为同行提供参考借鉴,提高教学效率和质量。 展开更多
关键词 深度学习 实验设备识别系统 Android客户端 服务器端 TCP/IP网络传输协议 残差网络 改进的YOLO网络模型
在线阅读 下载PDF
文章速递基于生成式对抗网络的道路交通模糊图像增强 认领
5
作者 曹锦纲 李金华 郑顾平 《智能系统学报》 CSCD 北大核心 2020年第3期491-498,共8页
为了提高道路交通模糊图像增强的质量,进一步促进道路交通管理,针对道路交通场景下的运动模糊图像增强问题,提出了一种基于生成式对抗网络的多尺度多路径学习的模型。首先,选用具有多尺度卷积核的神经网络,对输入的图像进行更细致地特... 为了提高道路交通模糊图像增强的质量,进一步促进道路交通管理,针对道路交通场景下的运动模糊图像增强问题,提出了一种基于生成式对抗网络的多尺度多路径学习的模型。首先,选用具有多尺度卷积核的神经网络,对输入的图像进行更细致地特征值提取;其次,将局部残差学习和全局残差学习相结合,采用多路径多权重共享的递归学习,并利用判别网络和生成网络间的对抗训练优化网络参数;最后,实现端到端直接生成图像。实验结果表明:提出的模型可以有效地增强道路交通场景下的运动模糊图像,生成的图像细节更加丰富,具有较好的图像视觉效果。 展开更多
关键词 图像增强 道路交通 运动模糊 多尺度 多权重 残差网络 神经网络 生成式对抗网络
在线阅读 下载PDF
基于轻量自动残差缩放网络的图像超分辨率重建 认领
6
作者 代强 程曦 +2 位作者 王永梅 牛子未 刘飞 《计算机应用》 CSCD 北大核心 2020年第5期1446-1452,共7页
近年来,由于深度卷积神经网络的出色性能,深度学习已成为图像超分辨率领域的研究热点,已经有许多具有很深结构的大型模型被提出。而在实际应用中,普通个人计算机或智能终端的硬件显然不适合大规模深度神经网络模型。提出了一种针对单幅... 近年来,由于深度卷积神经网络的出色性能,深度学习已成为图像超分辨率领域的研究热点,已经有许多具有很深结构的大型模型被提出。而在实际应用中,普通个人计算机或智能终端的硬件显然不适合大规模深度神经网络模型。提出了一种针对单幅图像超分辨率且具有自动残差缩放功能的轻量级网络(ARSN),与许多基于深度学习的方法相比,它的层和参数更少。此外,该网络中有特殊的残差块和跳跃连接用来进行残差缩放以及全局和局部残差学习。根据测试数据集结果,该网络在重建质量和运行速度上都达到了非常优异的性能。所提出的网络在性能、速度和硬件消耗方面均取得了良好的效果,具有较高的实用价值。 展开更多
关键词 深度学习 超分辨率 残差缩放 跳跃连接 残差网络
在线阅读 下载PDF
基于注意力机制和深度恒等映射的人脸识别 认领
7
作者 杨壮 吴斌 +1 位作者 廉炜雯 韩兴 《传感器与微系统》 CSCD 2020年第9期150-153,共4页
针对在自然场景下,受到姿态变化、侧脸等因素的干扰,人脸识别难度提升的问题,提出一种改进的残差神经网络,优化原有网络模型结构并且引入加强通道重要特征获取的注意力机制。同时添加深度残差恒等映射模块,不增加过多参数量的情况下,实... 针对在自然场景下,受到姿态变化、侧脸等因素的干扰,人脸识别难度提升的问题,提出一种改进的残差神经网络,优化原有网络模型结构并且引入加强通道重要特征获取的注意力机制。同时添加深度残差恒等映射模块,不增加过多参数量的情况下,实现了在深度特征空间层将侧脸特征映射为正脸特征的功能,进一步实现人脸识别率。实验结果表明:在常用的LFW,CFP,IJB-A等人脸数据集上,提出的网络优于现有的残差神经网络,提升了非约束条件下的人脸识别效果。 展开更多
关键词 自然场景 残差网络 注意力机制 深度残差恒等映射 深度特征空间
在线阅读 下载PDF
基于残差网络的快速图像风格迁移研究 认领
8
作者 薛楠 段锦 +2 位作者 张兵 王晓宇 于林韬 《计算机工程与应用》 CSCD 北大核心 2020年第12期201-208,共8页
图像风格迁移技术是指将一幅图像通过学习(利用卷积神经网络)名画风格,转换为与名画风格相近的图像。Gatys提出的NAAS利用VGG网络设计了一个损失网络,通过反复迭代得到风格迁移图像。Li Feifei在NAAS的基础上引入残差网络,利用残差元的... 图像风格迁移技术是指将一幅图像通过学习(利用卷积神经网络)名画风格,转换为与名画风格相近的图像。Gatys提出的NAAS利用VGG网络设计了一个损失网络,通过反复迭代得到风格迁移图像。Li Feifei在NAAS的基础上引入残差网络,利用残差元的快捷连接特性加速计算。主要针对以下两个方面提出了改进:对经典残差元结构进行调整,将标准卷积转换为点卷积和深度卷积,在保证卷积效果的同时降低计算量;对损失网络进行简化,该模型中第四、第五层在结构上高度一致,并且这两层的风格还原与内容重建效果基本相同,因此删去第五层并相应调整结构参数,去掉冗余参数,在降低参数量的同时保证风格还原与内容重建的效果。 展开更多
关键词 图像风格迁移 残差网络 VGG网络
在线阅读 下载PDF
基于深度学习的轻量遥感图像车辆检测模型 认领
9
作者 李圣琀 邵峰晶 《工业控制计算机》 2020年第6期66-69,共4页
如何提高在遥感图像上车辆的检测效果是遥感图像处理及目标检测共同的问题之一。现阶段,在PASCAL VOC等数据集中,传统的深度学习方法已经取得了不错的检测效果,但在遥感图像中检测准确率依然很低。针对以上问题,充分利用遥感图像特点,... 如何提高在遥感图像上车辆的检测效果是遥感图像处理及目标检测共同的问题之一。现阶段,在PASCAL VOC等数据集中,传统的深度学习方法已经取得了不错的检测效果,但在遥感图像中检测准确率依然很低。针对以上问题,充分利用遥感图像特点,利用残差连接和多尺度特征提取方法构建轻量级网络模型,通过K-means算法对数据集中的目标边框进行聚类,得到改进的针对于遥感图像车辆检测网络。实验结果表明,该检测模型的召回率达到了95%,正确率达到了94%,在GeForce GTX 1080Ti显卡环境下的检测速度达到了156FPS。这种模型可以有效快速地针对遥感图像的车辆进行定位和识别。 展开更多
关键词 卷积神经网络 残差网络 多尺度特征提取 K-MEANS聚类 车辆检测
在线阅读 下载PDF
基于改进的残差网络的图像去雨方法 认领
10
作者 林裕鹏 刘怡俊 《计算机与数字工程》 2020年第8期2004-2008,2068,共6页
基于深度卷积神经网络(CNN),提出了一种新的深度网络结构,用于去除图像中的雨痕。受残差网络(ResNet)的启发,通过改变映射形式来简化学习过程,论文提出了一个改进的深度残差网络来直接缩小从输入到输出的映射范围,这使得学习过程更容易... 基于深度卷积神经网络(CNN),提出了一种新的深度网络结构,用于去除图像中的雨痕。受残差网络(ResNet)的启发,通过改变映射形式来简化学习过程,论文提出了一个改进的深度残差网络来直接缩小从输入到输出的映射范围,这使得学习过程更容易。为了进一步改善衰落结果,利用先验图像领域的知识,通过在训练过程中关注高频细节,去除背景干扰,并将模型聚焦在图像中的雨水结构上。虽然是在合成数据上训练网络,但可以发现学习网络能很好地适应现实世界的测试图像。实验表明,论文所提出的方法在定性和定量测量方面都明显优于其他图像去雨的最新方法。 展开更多
关键词 卷积神经网络 残差网络 映射 去雨
在线阅读 下载PDF
基于WGAN图片去模糊的绝缘子目标检测 认领
11
作者 王德文 李业东 《电力自动化设备》 EI CSCD 北大核心 2020年第5期188-194,共7页
针对不可抗力因素造成无人机航拍绝缘子图片模糊、绝缘子目标检测率较低的问题,提出了一种基于Wasserstein距离优化的生成式对抗网络(WGAN)图片去模糊的绝缘子目标检测方法。首先在WGAN训练过程中引入残差网络,使得生成的绝缘子图片更... 针对不可抗力因素造成无人机航拍绝缘子图片模糊、绝缘子目标检测率较低的问题,提出了一种基于Wasserstein距离优化的生成式对抗网络(WGAN)图片去模糊的绝缘子目标检测方法。首先在WGAN训练过程中引入残差网络,使得生成的绝缘子图片更加清晰;其次在损失函数中引入Wasserstein距离以保证训练过程的稳定性;最后通过优化模型的训练过程,使得生成的绝缘子图片细节还原度更高。绝缘子图片去模糊化实验结果表明,所提方法在结构相似性与峰值信噪比等评价指标上均高于基于卷积神经网络与深度多尺度卷积神经网络等图像去模糊算法。另外,将利用所提方法生成的绝缘子图片与模糊绝缘子图片划分为3组,采用改进的基于区域建议的卷积神经网络目标检测算法分别进行目标检测实验,精确度均值分别提高了5.77%、6.73%与5.98%,有效提高了绝缘子的目标检测率。 展开更多
关键词 绝缘子 目标检测 Wasserstein距离优化的生成式对抗网络 去模糊 残差网络
在线阅读 下载PDF
基于多任务分类的吸烟行为检测 认领
12
作者 程淑红 马晓菲 +1 位作者 张仕军 张丽 《计量学报》 CSCD 北大核心 2020年第5期538-543,共6页
为了及时检测吸烟行为,准确做出状态判断,提出了一种基于多任务分类的吸烟行为检测算法。该算法融合多任务卷积神经网络、级联回归和残差网络,通过多任务卷积神经网络算法和基于梯度提高学习的回归树方法(RET级联回归)快速定位嘴部感兴... 为了及时检测吸烟行为,准确做出状态判断,提出了一种基于多任务分类的吸烟行为检测算法。该算法融合多任务卷积神经网络、级联回归和残差网络,通过多任务卷积神经网络算法和基于梯度提高学习的回归树方法(RET级联回归)快速定位嘴部感兴趣区域(ROI);在此基础上,采用残差网络对ROI内目标进行检测和状态识别。实验结果表明,该算法可以准确检测到吸烟行为的发生并做出状态判断,准确率可以达到87. 5%。 展开更多
关键词 计量学 吸烟行为检测 多任务分类 卷积神经网络 级联回归 残差网络 感兴趣区域 人脸识别
在线阅读 免费下载
基于Faster-RCNN的快速目标检测算法 认领
13
作者 曹之君 张良 《航天控制》 CSCD 北大核心 2020年第4期49-55,共7页
提出一种快速目标检测算法。在训练时,引入区域数目调节层,实时判断当前训练效果,根据当前训练效果,适当增减候选区域数目,达到节省开销的目的。训练结束,记录最佳候选区域数量。在测试时,候选区域数量选择为最佳候选区域数量。此外,深... 提出一种快速目标检测算法。在训练时,引入区域数目调节层,实时判断当前训练效果,根据当前训练效果,适当增减候选区域数目,达到节省开销的目的。训练结束,记录最佳候选区域数量。在测试时,候选区域数量选择为最佳候选区域数量。此外,深层次的卷积神经网络容易在训练中出现退化现象,引入残差网络能有效抑制该现象。以Resnet50为基础进行改进,重新搭建起58层特征提取网络。实验在PASCAL VOC数据集上进行,较经典网络模型,速率提升了18%,识别率提高了3%。另外针对特定飞行器检测做出改进,诸如多尺度训练和丰富锚点样式。 展开更多
关键词 深度学习 目标检测 残差网络 区域建议网络 区域数目调节层
UU-Net:基于U-Net的U形多路径网络的视网膜血管分割 认领
14
作者 代洋洋 王宽全 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第5期718-723,共6页
为解决视网膜血管形状复杂且图像对比度较小导致血管末梢检测难度大的问题,本文提出一种基于U-Net的U形多路径网络模型(UU-Net)。在U-Net内部,利用残差模块代替普通卷积,避免模型过深导致梯度消失;U-Net作为核心模块,采用U形结构进行堆... 为解决视网膜血管形状复杂且图像对比度较小导致血管末梢检测难度大的问题,本文提出一种基于U-Net的U形多路径网络模型(UU-Net)。在U-Net内部,利用残差模块代替普通卷积,避免模型过深导致梯度消失;U-Net作为核心模块,采用U形结构进行堆叠以获取更多细节信息;U-Net模块之间采用Addition互连,构成多条从输入到输出的路径,每一条路径相当于一个FCN的变体,使得UU-Net模型能够捕获更复杂特征,产生更高的精度。在DRIVE数据集上,UU-Net模型在多项测试指标上取得优异性能,平均准确率为0.9561,受试者接受者工作特性曲线下的面积为0.9851,精准率-召回率曲线下的面积为0.9826。此外,UU-Net模型提供一种基于U-Net改进模型的思路,可作为密集模块或残差模块的基础结构。 展开更多
关键词 图像分割 视网膜血管 U-Net 残差网络 全卷积网络 级联结构
在线阅读 下载PDF
基于深度卷积神经网络的塑料垃圾分类研究 认领
15
作者 吴晓玲 黄金雪 何文海 《塑料科技》 CAS 北大核心 2020年第4期86-89,共4页
针对塑料垃圾识别分类问题,设计标准卷积层、残差卷积层1和残差卷积层2。通过实验仿真验证各卷积层的优势,将其应用于塑料垃圾分类模型的不同部位中。实验表明,塑料垃圾分类模型的分类准确率高于传统的HOG、LBP分类模型约2%~3%,可为塑... 针对塑料垃圾识别分类问题,设计标准卷积层、残差卷积层1和残差卷积层2。通过实验仿真验证各卷积层的优势,将其应用于塑料垃圾分类模型的不同部位中。实验表明,塑料垃圾分类模型的分类准确率高于传统的HOG、LBP分类模型约2%~3%,可为塑料垃圾分类工作提供一定的参考。 展开更多
关键词 塑料 卷积层 残差网络 神经网络
基于深度可分离卷积的轻量级时间卷积网络设计 认领
16
作者 曹渝昆 桂丽嫒 《计算机工程》 CAS CSCD 北大核心 2020年第9期95-100,109,共7页
时间卷积网络(TCN)在处理时间序列预测问题时存在计算量大和参数冗余问题,导致其难以应用于存储空间和计算能力受限的手机、平板电脑、笔记本电脑等移动终端。为此,设计一种轻量级时间卷积网络(L-TCN)。采用深度可分离卷积代替TCN中的... 时间卷积网络(TCN)在处理时间序列预测问题时存在计算量大和参数冗余问题,导致其难以应用于存储空间和计算能力受限的手机、平板电脑、笔记本电脑等移动终端。为此,设计一种轻量级时间卷积网络(L-TCN)。采用深度可分离卷积代替TCN中的普通卷积,先通过通道卷积对普通卷积在空间维度上进行分离,以增加网络宽度并扩大特征提取范围,再利用逐点卷积降低普通卷积操作的计算复杂度。实验结果表明,与TCN网络相比,L-TCN在保证时间序列预测精度的同时,能减少网络模型的参数量和计算量,适用于存储空间和计算能力受限的移动终端。 展开更多
关键词 时间卷积网络 深度可分离卷积 空洞卷积 因果卷积 残差网络
在线阅读 下载PDF
VansNet轻量化卷积神经网络 认领
17
作者 孙若钒 高建瓴 陈娅先 《贵州大学学报:自然科学版》 2020年第2期51-56,共6页
近年来,研究人员们在卷积神经网络的基础上保证效率的条件下提出了轻量化卷积神经网络,其中SqueezeNet轻量化卷积神经网络在保证精度的前提下,压缩了参数,提高了整体效率。本文针对SqueezeNet网络中由于压缩参数,存在准确率不理想的问题... 近年来,研究人员们在卷积神经网络的基础上保证效率的条件下提出了轻量化卷积神经网络,其中SqueezeNet轻量化卷积神经网络在保证精度的前提下,压缩了参数,提高了整体效率。本文针对SqueezeNet网络中由于压缩参数,存在准确率不理想的问题,提出了引入残差网络,增加跳层结构和网络宽度的改进方法 VansNet,相较于AlexNet、ResNet和SqueezeNet三种卷积神经网络其计算量最小且参数量很小。实验结果表明,改进后的VansNet轻量化结构在略增加参数的前提下提高了图像分类的准确率和效率。 展开更多
关键词 轻量化 卷积神经网络 图像分类 压缩参数 残差网络 跳层结构
在线阅读 下载PDF
基于深度残差全卷积网络的Landsat 8遥感影像云检测方法 认领
18
作者 张家强 李潇雁 +4 位作者 李丽圆 孙鹏程 苏晓峰 胡亭亮 陈凡胜 《激光与光电子学进展》 CSCD 北大核心 2020年第10期356-363,共8页
为了实现定量化应用目标,高精度的云层检测已成为遥感数据预处理的关键步骤之一。然而,传统的云检测方法存在特征复杂、算法步骤多、鲁棒性差,且无法将高级特征和低级特征相结合的缺陷,检测效果一般。针对以上问题,提出了一种基于深度... 为了实现定量化应用目标,高精度的云层检测已成为遥感数据预处理的关键步骤之一。然而,传统的云检测方法存在特征复杂、算法步骤多、鲁棒性差,且无法将高级特征和低级特征相结合的缺陷,检测效果一般。针对以上问题,提出了一种基于深度残差全卷积网络的高精度云检测方法,能够实现对遥感影像云层目标像素级别的分割。首先,编码器通过残差模块的不断降采样提取图像深层特征;然后,应用双线性插值进行上采样,结合多层次编码后的图像特征完成解码;最后,将解码后的特征图与输入图像融合后再次进行卷积,实现端到端的云检测。实验结果表明,对于Landsat 8云检测数据集,所提方法的像素精度达到93.33%,比原版U-Net提高了2.29%,比传统Otsu方法提高了7.78%。该方法可以为云层目标智能化检测研究提供有益参考。 展开更多
关键词 遥感 云检测 深度学习 语义分割 全卷积网络 残差网络
一种基于深度CNN的入侵检测算法 认领
19
作者 李勇 张波 《计算机应用与软件》 北大核心 2020年第4期324-328,共5页
入侵检测是检测和预防可能对基于网络的计算机系统进行攻击和入侵作出反应的技术。提出一种基于深度卷积神经网络的入侵检测的算法,在卷积神经网络基础上引入Inception模型和残差网络,采用深度学习技术,如Relu、Dropout、Softmax。提高... 入侵检测是检测和预防可能对基于网络的计算机系统进行攻击和入侵作出反应的技术。提出一种基于深度卷积神经网络的入侵检测的算法,在卷积神经网络基础上引入Inception模型和残差网络,采用深度学习技术,如Relu、Dropout、Softmax。提高模型的收敛速度,使得训练的模型的泛化能力更强,增加网络的宽度和深度,提升网络对尺度的适应性。使用KDD Cup 99数据对该算法进行验证,实验表明,该网络模型与GoogleNet和Lenet-5相比具有更高的准确率和检测率,准确率能够达到94.37%,误报率仅2.14%,提高了入侵检测识别的分类准确性。 展开更多
关键词 入侵检测 卷积神经网络 批量归一化 Inception模型 残差网络
在线阅读 下载PDF
基于改进型卷积网络的汽车高度调节器缺陷检测方法 认领
20
作者 鲍光海 林善银 徐林森 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第2期157-165,共9页
针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度... 针对汽车高度调节器生产中人工缺陷检测耗时耗力和传统诊断方法适用性差的问题,运用深度学习提出了一种基于改进型卷积网络的智能检测方法。该方法利用卷积网络提取特征,并且在网络中加入残差网络结构和可分离卷积,在深层网络提高精度的同时减少了参数计算量。改进的结构主要运用卷积层、池化层、批标准化层、softmax层,并引入残差网络结构和可分离卷积。实验结果表明,基于改进型卷积网络的汽车高度调节器缺陷检测方法有着良好的识别精度,在汽车高度调节器多类缺陷的检测实验中,准确率均在99%以上,优于经典卷积网络VGG16。 展开更多
关键词 深度学习 改进型卷积网络 残差网络 汽车高度调节器 缺陷检测
上一页 1 2 18 下一页 到第
使用帮助 返回顶部 意见反馈