面向移动平台人脸检测的FaceYoLo算法设计及实现

任海培;李腾;, 计算机应用 发表时间:2019-10-28 11:45 期刊

...平台上人脸检测实时性不强的问题,提出了一种基于深度学习的FaceYoLo实时人脸检测算法。首先,在YoLov3检测算法的基础上,加入快速消化卷积层(RDCL)缩小输入空间大小,然后加入多尺度卷积层(MSCL)丰富不同检测尺度的感受野,最后加入中心损失和致密化策略加强模型泛化能力和鲁棒性。实验结果表明,在GPU上测试时,该算法较YoLov3算法在速度上提高了近10倍,每幅图像的处理速度可达0.0028秒,精度相比上升2.1%;在Android平台上测试时,该算法较最好的Mob...


点云数据在深度学习中表示方法的研究

张婧; 周明全; 耿国华, 计算机工程与应用 发表时间:2019-10-28 13:54 期刊

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树(OctKD)的点云数据表示方法。该方法首先将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;然后构建节点间的邻接关系,在GPU端并行构建八叉树;最后为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。...


基于降噪时序深度学习网络的风电功率短期预测方法

曹有为; 闫双红; 刘海涛; 郭力, 电力系统及其自动化学报 发表时间:2019-10-29 13:36 期刊

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析(Singular Spectrum Analysis, SSA)和长短时记忆网络(Long Short Term Memory Network, LSTM)的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验


改进YOLOv3网络在图像中评价空气质量

邓益侬;罗健欣;张琦;刘祯;胡琪;金凤林;毕鹏程;, 计算机工程与应用 发表时间:2019-10-29 15:50 期刊

空气质量指数和PM2.5浓度是衡量大气污染程度的两种重要指标。本文在图像检测算法的框架下,提出了一种基于YOLOv3网络模型的空气质量评价方法。该模型对YOLOv3网络进行了改进,包含多锚点检测机制和卷积投票网两个模块,适用于非固定场景下的空气质量指数评估,以及固定场景下的PM2.5浓度预测。本文所述方法的准确率在2018年全球人工智能应用大赛中得到了总分第3名的成绩,同时基于darknet框架的YOLOv3模型可以达到实时的需求,对空气质量评价的相关研究具有重要的借鉴意


基于深度学习的主题模型研究

黄佳佳;李鹏伟;彭敏;谢倩倩;徐超;, 计算机学报 发表时间:2019-10-31 09:10 期刊

...统概率主题模型在过去十余年已被充分研究,但随着深度学习技术在自然语言处理领域的广泛应用,结合深度学习思想与方法的主题模型焕发出新的生机。研究如何整合深度学习的先进技术,构建更加准确高效的文本生成模型成为基于深度学习主题建模的主要任务。本文首先概述并对比了传统主题模型中四个经典的概率主题模型与两个稀疏约束的主题模型。接着对近几年基于深度学习的主题模型研究进展进行综述,分析其与传统模型的联系、区别与优势,并对其中的主要研究方向和进展进行归纳、分析与比较。此外,本文还介绍了主题模...


基于Faster-RCNN的肺结节检测算法

宋尚玲1 杨阳2* 李夏2 冯浩2, 中国生物医学工程学报 发表时间:2019-10-31 10:14 期刊

...er-RCNN的肺结节检测算法,对比研究目前的深度学习模型的适应性,给出一种通用的随着样本数量增加肺结节检测率持续提升的策略。首先搭建深度学习的软硬件环境,设置影像数据接口与Faster-RCNN的网络接口匹配;然后搭建Faster-RCNN的单类分类网络,并对网络结构的参数进行调整优化;最后用包含2000例病人的肺结节数据集,通过不同的卷积神经网络模型(包括ZF和VGG),计算CT图像在各自模型中的特征。对测试结果进行分析评估,分别统计其漏检率,检测准确率,并探讨不同训练...


面向上下位关系预测的词嵌入投影模型

汪诚愚;何晓丰;宫学庆;周傲英;, 计算机学报 发表时间:2019-10-31 13:48 期刊

...关,在中文等表述灵活的语言中预测精度较低.随着深度学习技术在自然语言处理领域的迅猛发展,词嵌入技术被广泛应用于建模词之间的语义关系.特别地,词嵌入投影模型学习如何将下位词的词向量投影到上位词的词向量,显式地建模了上下位关系的关系表示.基于已有经典研究以及最新成果,本文详细论述了词嵌入投影模型的发展过程和最新研究进展,包括基于迭代学习、转导学习、对抗学习深度学习技术在词嵌入投影模型上的改进.在实验中,我们对多个词嵌入投影模型在中文和英文的公开数据集上进行充分详细的评测,探讨...


混合现实装配检测中深度学习的数据增强方法

王帅; 郭锐锋; 董志勇; 王鸿亮; 张晓星, 计算机集成制造系统 发表时间:2019-11-04 11:21 期刊

针对混合现实装配检测中,装配者的视觉检测位姿具有不确定性极易发生误检漏检的问题,提出一种混合现实装配检测中深度学习的数据增强方法。采用人为最佳数据增强策略的数据预处理方法,通过图像增强、几何变换、少量噪声干扰和随机遮挡的方式生成增强数据集,并改善图像增强过程中的特征失真,不仅能有效解决深度学习中人工标注样本任务量大的问题,还有助提升检测模型的泛化能力。实验结果表明,该方法训练得到的新模型对汽车装配生产线零件的检测精度提升11.38%。...


基于机器学习的数据库技术综述

李国良;周煊赫;孙佶;余翔;袁海涛;刘佳斌;韩越;, 计算机学报 发表时间:2019-11-04 13:40 期刊

...传统数据库技术很难适应这些新的场景和变化。机器学习技术因其较强的学习能力,逐渐在数据库领域展现潜力和应用前景。论文首先给出一个高效、高可靠、高可用、自适应性强的数据库系统需要涵盖的方面,包括数据库运维、数据存储、查询优化等。其次,讨论机器学习算法与数据库技术结合过程中可能面临的挑战,包括训练数据少、训练时间长、泛化能力有限、适应性差四个方面。然后,综述数据库技术与机器学习结合的现状以及具体技术。其中,重点介绍数据库自动调参、查询基数估计、查询计划选择、索引和视图自动选择五个...


面向边缘设备的高能效深度学习任务调度策略

任杰;高岭;于佳龙;袁璐;, 计算机学报 发表时间:2019-11-04 15:32 期刊

近年来,深度学习在图像和自然语言处理等诸多领域表现出色,与深度学习相关的各类移动应用发展迅速,但由于移动网络状态的不稳定性及网络带宽的限制,基于云计算的深度模型任务可能出现较大响应延迟,严重影响用户体验。与此同时,深度模型对设备的计算及存储能力有较高的要求,无法直接在资源受限的移动设备中进行部署。因此,亟须设计一种新的计算模式,使得基于深度模型的移动应用能够满足用户对快速响应、低能耗及高准确率的期望。本文提出一种面向边缘设备的深度模型分类任务调度策略,该策略通过协同移动设备...


带最大熵修正的行动者评论家算法

姜玉斌;刘全;+胡智慧;, 计算机学报 发表时间:2019-11-05 19:03 期刊

在行动者评论家算法中,策略梯度通常使用最大熵正则项提高行动策略的随机性以保证探索。策略的随机使Agent能够遍历所有动作,但是会造成值函数的低估并影响算法的收敛速度与稳定性。针对策略梯度中最大熵正则项带来的低估问题,提出最大熵修正(Maximum-Entropy Correction,MEC)算法。该算法有两个特点:(1)利用状态值函数与策略函数构造一种状态动作值函数的估计,构造的状态动作值函数符合真实值函数的分布;(2)将贝尔曼最优方程与构造的状态动作值函数结合作为ME


任务型对话系统研究综述

赵阳洋;王振宇;王佩;杨添;张睿;尹凯;, 计算机学报 发表时间:2019-11-05 19:03 期刊

...受到学术界和工业界的广泛关注。近些年来,得益于深度学习技术在自然语言领域的突破性进展,极大地促进了人机对话技术的发展。将深度学习融入人机对话系统技术中,不但使得端到端的方法成为可能,而且提取出的特征向量非常有效几乎完全取代了人工特征。本文首先回顾了人机对话系统的发展历程,介绍了人机对话系统的两种类型,任务型对话系统和非任务型对话系统。其次,本文从理论模型、研究进展、可用性及存在的问题与挑战等角度深度剖析了任务型对话系统的两种方法,管道方法和端到端方法。重点分析深度学习技术和...


基于栈式自编码机和模糊函数主脊的雷达辐射源信号识别

黄宇涛; 普运伟; 吴海潇; 邵峙豪, 电波科学学报 发表时间:2019-11-06 10:44 期刊

...周期长、特征描述不完备等局限性,提出了一种基于深度学习栈式自编码机和模糊函数主脊的雷达信号识别方法.该方法根据信号模糊函数主脊包含丰富的内在调制信息的特点,从信号中提取用于分类识别的抽象特征.通过对六种雷达辐射源信号进行实验,并对比人工特征提取及其他深度学习方法,结果表明,本文所提方法在信噪比(signal-noise ratio, SNR)为2dB以上时均能保持100%的识别准确率,SNR为-6 dB时识别准确率仍能保持82.83%以上,明显高于其他方法.即使在包含相同调...


基于多任务深度学习的铝材表面缺陷检测

沈晓海;栗泽昊;李敏;徐晓龙;张学武;, 激光与光电子学进展 发表时间:2019-11-06 11:54 期刊

...练过拟合、泛化性能差等问题,提出一种基于多任务深度学习的铝材缺陷检测方法。首先,基于FasterRCNN网络,设计一个多任务深度网络模型,包含铝材区域分割、缺陷多标签分类、缺陷目标检测三项任务;然后设计了多任务损失层,利用自适应权重对各项任务进行加权平衡,解决了多项任务训练中的收敛不均衡问题。结果表明,在有限的数据集支持下,相较单任务学习,该方法能够在保持分割任务MIoU保持最优的情况下,将多标签分类准确率和缺陷检测mAP值各提升4%,缓解了铝材缺陷检测样本少引起的检测精度...


基于深度学习和MRMR的火焰图像检测方法

李梓瑞;王慧琴;胡燕;卢英;, 激光与光电子学进展 发表时间:2019-11-06 11:54 期刊

为解决基于浅层特征的火焰识别模型对环境变化敏感且鲁棒性较低的问题,提出了一种基于卷积神经网络串行特征融合模型与最大相关最小冗余(MRMR)的火焰图像检测方法。首先为从有限样本集中训练卷积神经网络获取更加全局的特征,对使用预训练方法提取的火焰图像深层特征进行串行融合;然后针对融合后特征维度高、冗余大且未包含动态特征的问题,通过MRMR特征选择,去除与火焰低相关性的特征,获得高相关的串行特征后与动态特征进行融合,得到最优子集的重构特征向量;最后通过支持向量机分类器完成对火焰目


基于改进YOLOv2模型的多车辆目标识别方法

李珣;时斌斌;刘洋;张蕾;王晓华;, 激光与光电子学进展 发表时间:2019-11-06 11:57 期刊

针对道路车辆多目标检测和车型分类的传统方法检测率较低、鲁棒性差且分类效果不理想的问题,提出了一种基于改进YOLOv2模型的多车辆目标识别方法。在YOLO v2算法基础上,根据实际道路环境的变化对YOLOv2-voc的网络结构进行改进,基于ImageNet数据集和微调技术得到分类训练网络模型,根据训练结果与车辆目标特征的分析,对算法参数进行修改,获得改进的车型识别分类网络结构YOLOv2-voc_mul。为验证检测方法的有效性,分别使用简单背景和复杂背景下的样本,并与YOL


机器视觉中的人体检测算法优化

何倩倩;张荣芬;刘宇红;, 激光与光电子学进展 发表时间:2019-11-06 11:57 期刊

本文提出了一种基于深度学习和景深信息的人体检测方法。采用基于深度学习的方法进行目标检测,运用深度图的景深信息判定人体的位置,将两者结合准确定位人体。本方法通过深度摄像头采集RGB图及对应深度图,采用darknet-yolo-v3对RGB图进行目标检测,将目标边界框预处理后传给RGB图对应深度图,深度图采用无边界主动轮廓模型对景深信息进行处理,达到将深度学习的高识别率与景深信息结合精准定位人体目标的目的。实验结果表明,本方法能准确找到一个不受标识框影响的目标定位点,有效改善由...


融合光谱信息的机载LiDAR点云三维深度学习分类方法

王宏涛;雷相达;赵宗泽;, 激光与光电子学进展 发表时间:2019-11-06 12:05 期刊

针对传统二维深度学习方法无法实现三维点云分类问题,本文提出了一种融合光谱信息的机载LiDAR点云三维深度学习分类方法。该方法首先融合机载LiDAR点云和多光谱航空影像进行点云光谱信息扩充,进而在点云格网化和数据增强处理的基础上,采用多层感知机提取出不同尺度下的点特征和全局特征,最后基于三维深度学习算法实现机载LiDAR点云的准确分类。本文采用国际摄影测量与遥感协会提供的数据集进行方法验证,结果表明,融合光谱信息后,机载LiDAR点云分类精度可以提高13.39%;与其它已有方...


基于双通道空洞卷积神经网络的高光谱图像分类

胡丽;单锐;王芳;江国乾;赵静一;张智;, 激光与光电子学进展 发表时间:2019-11-06 12:06 期刊

深度学习因为具有强大的特征提取和目标分类能力而被广泛应用于高光谱图像分类领域,但是一些基于深度学习的高光谱图像分类方法中存在图像信息丢失问题。本文受空洞卷积在保持图像信息方面优秀性能的启发,为进一步提高分类精度,提出了一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类深度学习框架。空洞卷积可以扩展滤波器的接收域,有效地避免图像信息的丢失,从而提高分类精度。在该框架中,分别采用含有空洞卷积的一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)提取高...


基于特征交换的CNN图像分类算法研究

生龙; 马建飞; 杨瑞欣; 吴迪, 计算机工程 发表时间:2019-11-06 13:02 期刊

针对深度学习在图像识别应用中过分依赖标注数据的问题,提出基于特征交换的CNN图像分类解决方案。通过CNN特征提取的方式结合全卷积神经网络像素位置预测功能,将卷积神经网络卷积层提取出的特征图与同类标签特征图交换,充分将有限的图像特征融合,以解决深度学习在图像识别中对标注数据依赖度较高的的问题。通过实验表明本文提出的交换特征图算法在较低标注数据依赖度的情况下,可有效提升网络识别准确率,使识别率提升至使用三倍原始数据训练的网络。基于特征交换的CCN图像分类为减少标注数据依赖,可应...


相关搜索
 找到 30,763 条结果 
首页上一页5678910111213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。