面向图像分类和识别的视觉特征表达与学习的研究

杨钊, 华南理工大学 发表时间:2014-04-08 博士

...一个关键环节,良好的特征设计能够减轻对后续机器学习算法的依赖性,特征的好坏直接制约着整个视觉系统的性能。因此,特征的研究一直是计算机视觉领域的一个重要研究方向。在长期的研究过程中,研究人员提出了各种特征提取方法用于解决具体的分类问题,这些特征包括基本的颜色特征、纹理特征、局部特征及全局特征等等,它们分别在各种图像分类和识别任务上取得了较好的应用,然而这些传统的特征提取方法存在两个问题:首先,随着视觉任务规模的增大以及复杂性的增强,如果直接用这些基本的特征进行分类任务,经常表...


基于神经网络学习的统计机器翻译研究

杨南, 中国科学技术大学 发表时间:2014-05-01 博士

...一步提升,机器翻译的效果仍不尽人意。与此同时,深度学习作为一种新的机器学习方法,能自动的学习抽象特征表示,建立输入与输出信号间复杂的映射关系,给统计机器翻译研究提供了新的思路。本博士论文的工作就是探索如何使用深度神经网络,对统计机器翻译中的关键问题学习能更好描述翻译现象的表示,提高统计机器翻译的性能。具体的说,本论文的主要工作和创新成果如下:·提出了一种基于深层神经网络的词对齐方法。我们的模型将一个多层神经网络和一个无向概率图模型结合,有效的利用了词汇的相似性和上下文信息对...


基于深度学习的图像特征学习和分类方法的研究及应用

冯子勇, 华南理工大学 发表时间:2016-04-12 博士

...域难以更进一步。因此研究者们从设计特征转而研究学习特征,希望能够从图像中自动地学习出有效的特征。研究发现利用深度卷积网络能够从海量的图像中自主地学习出底层到高层的特征,并使得图像分类任务接近人类的水平。因此,特征学习成为了图像分类领域的重点方向,且具有广泛的应用价值。针对图像分类中特征学习的问题,本文沿着将单层特征学习扩展到多层特征学习,并将深层特征学习方法应用到实际问题这一路线,对特征学习进行了研究,主要研究内容和创新点如下:1.研究了单层特征学习方法和多层特征学习与分类...


油井地热开发的数值模拟与回归预测研究

董华松, 中国地质大学(北京) 发表时间:2014-05-01 博士

...入不同流体采热的相应影响因子,通过智能算法中的深度学习方法对多井采热、单井采热和采热趋势变化进行回归预测。通过上述模拟和回归预测实验,得到以下几点的认识:1.通过对注水采热和注入超临界二氧化碳采热系统的数值模拟,可以看出后者在井下具有超强的流动性,虽然热晗值低于水,但总体的采热效果将近注水采热的一倍。2.对注水地热开采来说,储层温度、注水量、注水速度、储层岩石比热容、注入井和生产井井径、流体注入温度的升高,会提高注水采热的效果;储层初始盐度的升高会降低注水采热的影响效果;储...


面向网络社区问答对的语义挖掘研究

王宝勋, 哈尔滨工业大学 发表时间:2013-03-01 博士

...语义相关度计算的特点和难点的基础上,提出了基于深度学习模型的问答语义相关性量化方法,并根据网络社区中问答对的语言特性给出了两种不同架构的深度学习模型。面向问答社区和论坛话题语料的最佳答案识别实验表明,本文提出的深度学习模型能够有效提高问答语义相关度计算的准确率。以社区的结构和社会化信息为基础的非文本特征在问答资源挖掘中的应用已经比较普遍,但目前常用的非文本特征主要来源于观察所得的经验规律,这些特征为答案识别模型提供的信息往往不够明确,因而不利于识别准确率的进一步提高。为了得...


深度学习在基于单幅图像的物体三维重建中的应用

陈加; 张玉麒; 宋鹏; 魏艳涛; 王煜, 自动化学报 2019年04期 , 期刊

...一个重要问题,近几十年来得到了广泛的关注.随着深度学习的不断发展,近年来基于单幅图像的物体三维重建取得了显著进展.本文对深度学习在基于单幅图像的物体三维重建领域的研究进展及具体应用进行了综述.首先介绍了基于单幅图像的三维重建的研究背景及其传统方法的研究现状,其次简要介绍了深度学习并详细综述了深度学习在基于单幅图像的物体三维重建中的应用,随后简要概述了三维物体重建的常用公共数据集,最后进行了分析与总结,指出了目前存在的问题及未来的研究方向....


国外近十年深度学习实证研究综述——主题、情境、方法及结果

沈霞娟; 张宝辉; 曾宁, 电化教育研究 2019年05期 , 期刊

为厘清国外教育领域深度学习的研究进展,选取Web of Science、Springer、ScienceDirect等数据库的85篇文献(2008—2018年),依据实证研究的核心要素建立编码体系进行内容分析。结果表明:(1)研究主题集中在深度学习策略、方式和评价三个方面;(2)比格斯、马顿&塞尔乔、恩特威斯尔&拉姆斯顿提出的深度学习概念框架得到较多认可;(3)深度学习在各类学科情境中广泛应用,但研究对象多为大学生;(4)实证研究数据呈现以量化分析为主、质性分析为辅的特征,...


基于语义的异构三维CAD模型检索

秦飞巍, 浙江大学 发表时间:2014-01-01 博士

...体映射生成异构CAD模型的统一语义描述符;使用深度学习技术对CAD模型库中的模型进行自动分类,形成层次式的索引结构,并对输入查询模型采用先分类,再检索的查询方式,以压缩搜索空间,改善检索性能;利用改进的VSM方法、启发式的图匹配方法对CAD模型进行多模式的相似性度量,以满足工程师多样化的检索需求。(2)构建层次式的CAD特征本体首先分析并总结领域本体的评价准则,并以此为规范构建CAD特征本体。构建的CAD特征本体使用分层表示的结构,由B-rep本体层、公共特征本体层、系统特...


基于深度学习目标检测的机械臂分拣系统研发

朱雨贺, 浙江大学 发表时间:2019-03-26 硕士

...算法效果及其应用门槛问题,本文设计并实现了基于深度学习的自动分拣系统及用于自动分拣系统目标检测算法训练的云平台。首先,基于深度学习计算量大的情况及自动分拣系统的具体场景,设计出基于深度学习的自动分拣系统的整体架构,将自动分拣系统的表现层面(抓取工件与获取图像)、控制层面(图像处理和机械臂控制)以及后台层面(目标检测算法训练与选择)有机地分离开来,使得自动分拣系统的各模块呈现出松耦合的关系,方便后续深度学习云平台的开发;同时,结合自动分拣系统使用基于深度学习的目标检测算法的情...


基于浅层学习引导深度学习的行人检测

刘弋锋, 武汉大学 发表时间:2016-05-01 博士

...既具有科研价值,也具有社会应用价值。近两年来,深度学习在计算机视觉领域取得了许多突破性成果,例如图像识别、目标检测、目标跟踪、图像分割等。深度学习大幅提高了行人检测的性能,但相比于浅层学习,深度学习的理论目前仍处于探索阶段。浅层学习模型简单、训练灵活、小样本训练的优点使其在很多领域还具有重要作用。若能提取合适的特征用于训练,浅层学习依然可以取得较好的性能。规避人工规则的特征提取是深度学习的主要优...


基于迁移学习深度卷积特征的图像标注方法研究

宋光慧, 浙江大学 发表时间:2016-12-01 博士

...的核心研究内容,其本质是利用已标注的图像集自动学习语义概念空间与视觉特征空间的映射关系模型,并用此模型标注新图像。针对传统人工设计的视觉特征的局限性,以近年来深度卷积神经网络在图像处理领域所取得的成果为基础,并在互联网图像大数据的驱动下,本文主要围绕深度卷积神经网络的特征自学习能力如何在图像标注中被有效利用展开研究,重点关注深度卷积特征在图像单标签标注、多标签标注和多特征融合标注三方面的内容,主要工作概括如下:(1)针对特定应用领域数据集已标注图像样本数量不足的问题,利用相...


基于形状先验的同时分割与识别研究

陈飞, 浙江大学 发表时间:2013-01-01 博士

...究了基于形状先验的统计模型、信号稀疏表示理论和深度学习模型,并致力于利用先验形状/纹理信息同时解决目标分割与识别问题。论文的主要工作和创新之处在于:1.通过形状概率定义,提出一种基于先验形状缩减集密度估计的变分分割模型。该模型建立了一种先验形状表示与估计方法,只需用较少的训练形状可以提供与核密度估计相似的精确估计,并通过主成份分析法捕捉先验形状的主要变化。该模型有效克服了水平集方法中由于形状表示为符号距离函数和先验形状核密度估计等原因造成的分割结果不够精确、低效率等问题。2...


基于深度学习的图像分类方法研究

孟丹, 华东师范大学 发表时间:2017-04-01 博士

图像分类是模式识别、机器学习和人工智能的重要基础,图像分类一般包括感兴趣区域选取、特征提取以及分类器建模三个步骤,其中,图像的特征提取是完成其他任务的重要基础。而在多数模式识别场景下,合适的特征表达是其中的关键环节,直接影响着整个分类系统的性能。其中,最具代表性的是直接从海量数据中学习复杂特征表达的深度学习方法。虽然深度学习在图像分类中已经取得了很好的效果,但之前的工作依然存在一些难题:1)在保证性能的前提下,如何简化深度学习的网络结构和参数?2)在小样本数据集情况下,如何...


视觉印象深度学习算法研究

杨梦铎, 苏州大学 发表时间:2016-09-01 博士

...对于模式识别、计算机视觉等领域具有重要的作用。深度学习通过堆叠单层模块构建一种深层的非线性网络,能够实现对复杂函数的无限逼近。深度学习能够以非监督的形式逐渐学习出不同抽象级别的特征,提供一种更具表现力的分布式表示方式。由于其自动学习特征的特性,使得相对于传统特征选择方法来说,深度学习节省了人工设计特征的代价。深度学习高度有效的特征提取方式,使其在目标识别等领域的应用都带来了突破性的结果。人类视觉皮层具有一个深度的结构。从模拟生物机制的角度,这成为支持深度学习技术的一个强有力...


基于深度图像和深度学习的机器人抓取检测算法研究

王斌, 浙江大学 发表时间:2019-04-01 硕士

...知物体而难以实现有效抓取检测这一问题,本文借鉴深度学习技术在计算机视觉领域获得的巨大成功,对深度神经网络在机器人抓取检测问题上的应用进行了研究。同时,本文使用深度图像作为网络输入以减少彩色图像中物体与背景颜色等因素的影响,从而减少网络的学习难度,进而提高抓取检测算法性能。本论文针对Baxter机器人的抓取算法研究,建立了一套基于Kinect V1深度相机的机器人自动抓取系统,设计了两种基于深度图像与深度神经网络的抓取检测算法,通过实验测试了这两种算法的性能。首先,建立了机器...


基于深度学习的暴力检测及人脸识别方法研究

丁春辉, 中国科学技术大学 发表时间:2017-04-01 博士

...如何确保视频分析系统的实时性及准确性。近年来,深度学习在机器视觉、语音识别和自然语言处理等多个领域都取得了优异的成绩,这也为智能视频分析技术的发展带来了新的契机。因此,本文基于深度学习的方法对上述相关问题展开研究,主要研究工作与创新如下:1.针对监控视频中的异常行为尤其是暴力打斗行为难以准确快速发现的问题,提出了一种基于三维卷积深度网络的暴力检测方法。该方法利用大量带标签的视频数据进行有监督的学习,通过将传统二维卷积核扩展为三维来提取视频中的运动信息,然后综合利用视频的空间...


面向大数据特征学习深度计算模型研究

张清辰, 大连理工大学 发表时间:2015-04-01 博士

...数据中获取有价值的知识却是一件非常艰巨的任务。学习大数据的特征并挖掘隐藏在大数据中的信息既需要先进的技术,也需要多学科的交叉合作。特征学习是大数据分析与挖掘的关键步骤,然而大数据的海量性(volume)、异构性(variety)和实时性(velocity)特点为数据特征学习方法提...


智慧制造环境下感知数据驱动的加工作业主动调度方法研究

张存吉, 华南理工大学 发表时间:2016-10-18 博士

...0、工业4.0等的提出,信息技术与先进制造技术深度融合,孕育出基于社会信息物理系统的智慧制造,形成一种面向服务、基于知识运用的人机物协同制造模式。在智慧制造环境下,物联网覆盖整个生产车间,部署于车间的各种传感器(如RFID、加速度计等)实时监测整个生产过程,并通过网络将数据传送到处理中心。由于各种不确定因素,导致生产过程容易发生异常事件,造成生产过程的信息复杂且不易控制。需要对各种传感器数据实时处理,挖掘出生产现场的异常事件,并预测将要发生的异常状况,进而基于实时与预测的异...


基于深度学习的说话人无关单通道语音分离

王燕南, 中国科学技术大学 发表时间:2017-06-01 博士

...,受到了研究人员的重点关注。进入21世纪以后,深度学习技术在信号处理域取得一系列重大突破,首先是多伦多大学的Hinton教授将深度模型引入在图像编解码和文本分类领域中,取得非常好的效果,再者是微软的邓力博士将深度神经网络(Deep Neural Network,DNN)应用在语音识别任务上,获得了非常大的性能提升,随后深度学习在语音,图像和视频领域都有非常广泛的应用,特别是工业界像谷歌,微软,百度这样的巨头,都将深度学习应用在他们的产品中,极大地促进了深度学习在学术中的研究...


基于深度学习的图像分割研究

张明月, 吉林大学 发表时间:2017-05-01 硕士

...意义。得益于“大数据”和高性能计算设备的发展,深度学习成为当前人工智能领域的一大研究热点。深度学习本质上是神经网络的拓展,目前在语音识别、人脸识别、物体识别、目标检测等诸多人工智能领域都取得了突破性进展。在计算机视觉领域,深度学习应用最广泛的一种模型就是卷积神经网络。其通过局部连接和权值共享两个特性,大大减少了模型参数的数量,从而使模型可以做到很深的层次。深度学习可以从大量标注图像数据直接学习和提取相关特征,省略过去十分繁杂的建模过程,为许多领域的研究提供了便利。本文就是针...


相关搜索
 找到 17,130 条结果 
123456789下一页
关于iData
iData是第三方交流学术成果的公益互联网项目,旨在促进知识的传播和最新学术科技的共享,所有信息均来自公开、透明的互联网查询网站,iData重新对这些信息进行整合和优化,从而高效地输出有用信息,提高人与知识的连接效率。iData从创建之初便提供免费的学术文献浏览和下载。