基于深度神经压缩的YOLO优化

陈莉君;李卓;, 计算机技术与发展 2019年11期 , 期刊

从AlphaGo开始,深度学习渐渐的进入业内研究者的视线。深度学习近些年大热的主要原因是由于近些年设备的计算力的增加,尤其是图形处理器对于浮点数运算的有力支持。YOLO在提出一种新的目标检测方法的同时,由于其过多的网络层数,带来对于存储空间巨大的需求。因此需要对于模型进行压缩,减少对于存储空间的需求。在传统压缩过程中单独使用剪枝或者量化方法,压缩后的模型依然存在一定的冗余。因此提出了一个结合剪枝和量化的方法对于模型进行压缩。本文针对在原始YOLO模型没有对于模型的测试方法以...


基于LDA-DeepHawkes模型的信息级联预测

王世杰; 周丽华; 孔兵; 周俊华, 计算机科学与探索 发表时间:2019-07-01 11:36 期刊

...。DeepHawkes模型将Hawkes模型与深度学习相结合,不仅继承了Hawkes模型能够表征和建模信息扩散过程的高度可解释性,又具备深度学习自主学习流行度预测隐含特征的高准确预测能力,弥合了传统方法中信息级联的预测与理解之间的间隙。然而,DeepHawkes模型忽略了信息本身的文本内容对于传播的影响。在DeepHawkes模型的基础上提出了既考虑级联的因素又考虑文本内容的LDA-DeepHawkes模型,更加全面地建模信息扩散过程,在继承DeepHawkes高解释性的同...


基于先验知识与DBM采样的类不平衡用电数据分类方法

王凯亮;陆俊;徐志强;齐增清;龚钢军;王赟;, 电力系统自动化 发表时间:2019-07-02 09:04 期刊

...及类不平衡分布的问题,提出了一种基于先验知识与深度玻尔兹曼机(DBM)采样的不平衡用电数据分类方法。首先,提取负荷曲线的特征,建立采样原则,利用先验知识和DBM对负荷曲线进行采样。然后,将采样数据通过极限学习机(ELM)网络进行训练。最后以爱尔兰用户用电数据为数据源,通过与原始非采样、随机过采样、合成少数类过采样技术(SMOTE)的对比性实验分析结果表明,所提出的基于先验知识与DBM采样的不平衡用电数据分类方法能够更好地对类不平衡用电数据集进行分类,实现用户用电行为的分析,...


结合目标检测的人体行为识别

周波;李俊峰;, 自动化学报 发表时间:2019-07-02 09:06 期刊

...分类不均衡及个别类分类难的问题,本文提出一种新的结合目标检测的人体行为识别的算法.首先,在人体行为识别的过程中增加目标检测机制,使神经网络有侧重地学习人体的动作信息;其次,对视频进行分段随机采样,建立跨越整个视频段的长时时域建模;最后,通过改进的神经网络损失函数再进行行为识别.本文方法在常见的人体行为识别数据集UCF101和HDBM51上进行了大量的实验分析,人体行为识别的准确率(仅RGB图像)分别可达96.0%和75.3%,明显高于当今主流人体行为识别算法....


一种对称残差CNN的图像超分辨率重建方法

刘树东; 王晓敏; 张艳, 西安电子科技大学学报 发表时间:2019-07-02 10:14 期刊

基于卷积神经网络的图像超分辨率重建方法具有很高的重建性能,但该类方法存在网络参数多、训练难度大,梯度消失和网络退化等问题。针对这些问题,提出一种基于对称残差卷积神经网络的图像超分辨率重建方法。通过将对称融入到残差块中,采用对称连接实现局部特征融合,提取尽可能多的有价值特征;残差块外采用跳跃连接实现全局特征融合,以提高图像的重建质量。该方法使用峰值信噪比和结构相似度作为评价指标,在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍因子重建后的结果大部分优于比


基于生成对抗网络的人脸表情数据增强方法

孙晓; 丁小龙, 计算机工程与应用 发表时间:2019-07-05 13:51 期刊

基于深度学习的方法已经在人脸表情识别中取得了重大进展,然而人脸表情数据库的规模普遍不大。为了解决数据量不足的问题,本文提出了一种静态图像数据增强方法:在StarGAN的基础上修改重构误差实现多风格人脸表情图像转换,利用生成器由某一表情下的面部图像生成同一人其它表情的面部图像。在CK+表情库上的实验表明该方法有利于提高人脸表情识别模型的识别率和泛化能力,同时对解决数据量不平衡的问题也有借鉴作用。...


深度学习方法在糖尿病视网膜病变诊断中的应用

范家伟;张如如;陆萌;何佳雯;康霄阳;柴文俊;石珅达;宋美娜;鄂海红;欧中洪;, 自动化学报 发表时间:2019-07-05 16:52 期刊

深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展.由于糖尿病视网膜病变(DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点.本文从深度学习方法在DR诊断中的最新研究进展、DR诊断的一般流程、公共数据集、医学影像标注方法、主要实现模型、面临的主要挑战几方面,对深度学习方法在糖尿病视网膜病变诊断中的应用进行了详细综述,便于更多机器视觉、尤其是深度学习医学影像的研究者们参照对比,加快该领域研究的成熟度和临床落地应用....


空洞卷积的多尺度语义分割网络

曲长波; 姜思瑶; 吴德阳, 计算机工程与应用 发表时间:2019-07-08 11:34 期刊

计算机硬件的发展极大程度地促进了计算机视觉的发展,卷积神经网络在语义分割中取得了令人瞩目的成就,但多卷积层叠加难免造成图像中目标边界信息的丢失。为了尽可能保留边界信息,提高图像分割精度,本文提出一种多尺度空洞卷积神经网络模型。该模型利用多尺度池化适应图像中不同尺度目标,并利用空洞卷积学习目标特征,在更加准确识别目标的同时,提高目标边界的识别精度,在ISPRS Vaihingen数据集上的实验结果表明,提出的多尺度空洞卷积神经网络对于目标边界的拟合结果较为理想。...


一种基于日志信息和CNN-text的软件系统异常检测方法

梅御东;陈旭;孙毓忠;牛逸翔;肖立;王海荣;冯百明;, 计算机学报 发表时间:2019-07-09 09:24 期刊

...析两个领域相结合是一种必然的趋势,也因此,机器学习模型也越来越多地被业界提及用于做系统日志分析。然而大多情况下系统日志中,报告系统运行状态为“严重”的日志占少数,而这些少数信息才是程序员最需要关注的,然而大多用于系统日志分析的机器学习模型都假设训练集的数据是均衡数据,因此这些模型在做系统日志预警时容易过度偏向大样本数据,以至于效果不够理想。本文将从深度学习角度出发,探究深度学习中的C...


基于残差双注意力U-Net模型的CT图像囊肿肾脏自动分割

徐宏伟; 闫培新; 吴敏; 徐振宇; 孙玉宝, 计算机应用研究 发表时间:2019-07-09 11:01 期刊

...像囊肿肾脏自动分割存在的诸多挑战,提出一种新型深度分割网络模型。该模型设计有带残差连接的双注意力模块,在残差结构的基础上,联合空间注意力和通道注意力机制自适应学习更加有效的特征表达。并依据U-Net架构,以残差双注意力模块为基础模块构建编码器和解码器,设置层级间的跳跃连接,使网络能够更加关注肾脏区域特征,有效应对肾脏的形状变化。为了验证所提出模型的有效性,从医院共采集79位肾囊肿患者的CT图像进行训练和测试,实验结果表明该模型能够准确分割CT图像切片中的肾脏区域,且各项分割...


视觉SLAM的研究现状与展望

吴凡; 宗艳桃; 汤霞清, 计算机应用研究 发表时间:2019-07-09 13:49 期刊

...究的热点。为深入分析视觉SLAM的现状,综述其相关算法与成果。首先简要概述了视觉SLAM的概念、特点与研究意义;然后深入分析帧间估计算法,详细描述经典的帧间估计方法,其中包含基于特征点的方法、基于光流的方法、与直接法,并介绍经典视觉SLAM算法的标志性成果;之后按照有监督的学习与无监督的学习两种方式介绍深度学习在视觉SLAM中的研究进展,并对算法进行归纳总结;此外分析了视觉SLAM和惯性导航的融合;最后展望了视觉SLAM的未来发展趋势。...


基于深度神经网络的少样本学习综述

李新叶; 龙慎鹏; 朱婧, 计算机应用研究 发表时间:2019-07-09 13:50 期刊

最近深度神经网络已经在监督识别任务上取得了令人振奋的突破,但是深度神经网络要求每个类都有足够多的且完全标注的训练数据。如何从少数训练样本中学习并识别新的类别,对于深度神经网络来说是一个具有挑战性的问题。针对如何解决少样本学习的问题,全面总结了现有的基于深度神经网络的少样本学习方法,涵盖了方法所用模型、数据集及评估结果等各个方面。具体地,针对基于深度神经网络的少样本学习方法,提出将其分为四种类别,即数据增强方法、迁移学习方法、度量学习方法和元学习的方法;对于每个类别,进一步将...


基于深度学习的三维数据分析理解方法研究综述

李海生;武玉娟;郑艳萍;吴晓群;蔡强;杜军平;, 计算机学报 发表时间:2019-07-09 15:20 期刊

基于深度学习的三维数据分析理解是数字几何领域的一个研究热点。不同于基于深度学习的图像分析理解,基于深度学习的三维数据分析理解需要解决的首要问题是数据表达的多样性。相较于规则的二维图像,三维数据有离散表达和连续表达的方法,目前基于深度学习的相关工作多基于三维数据的离散表示,不同的三维数据表达方法与不同的数字几何处理任务对深度学习网络的要求也不同。本文首先汇总了常用的三维数据集与特定任务的评价指标,并分析了三维模型特征描述符。然后从特定任务出发,就不同的三维数据表达方式,对现有...


基于多尺度卷积神经网络的玻璃表面缺陷检测方法

熊红林; 樊重俊; 赵珊; 余莹, 计算机集成制造系统 发表时间:2019-07-10 08:22 期刊

...表面缺陷有效检验,分析了基于卷积神经网络的机器学习原理与方法,提出一种基于多尺度卷积神经网络(Multiscale Convolution Neural Network,MCNN)图像识别模型,并将MCNN模型在玻璃表面缺陷识别中进行应用实践研究,通过采用不同的算法模型和分类器进行对比实验,运用了混淆矩阵和F1值来评估学习器性能。实验结果表明,本文设计的MCNN均比传统卷积神经网络(Convolution Neural Network,CNN)识别方法的准确率较高,尤其是在...


基于图像蒙板的无监督图像风格迁移

孔棱睿; 滕少华, 计算机应用研究 发表时间:2019-07-10 10:43 期刊

目前大多数的图像风格迁移方法属于有监督学习,训练数据需要成对出现,并且在处理图像背景时,现有的方法过于繁琐。针对这些问题,提出了一种基于图像蒙板的无监督图像风格迁移方法。在实验中,采用了基于循环一致性的CycleGAN架构,并使用Inception-ResNet结构设计了一个全新的具有内置图像蒙板的生成式模型,最后通过无监督学习将图像的背景与学习到的抽象特征进行自动重组。实验表明,本方法有效地对图像的背景和抽象特征进行自动分离与重组,同时解决了特征学习过程中的区域干扰问题,...


基于深度学习的轻量型的人体动作识别模型

何冰倩; 魏维; 张斌, 计算机应用研究 发表时间:2019-07-10 10:54 期刊

针对现有基于深度学习的人体动作识别模型参数量大、网络过深过重等问题,提出了一种轻量型的双流融合深度神经网络模型并将该模型应用于人体动作识别。该模型将浅层多尺度网络和深度网络相结合,实现了模型参数量的大幅减少,避免了网络过深的问题。在数据集UCF101和HMDB51上进行实验,该模型在ImageNet预训练模式下分别取得了94.0%和69.4%的识别准确率。实验表明,相较于现有大多基于深度学习的人体动作识别模型,该模型大幅减少了参数量,并且仍具有较高的动作识别准确率。...


基于金字塔式双通道卷积神经网络的深度图像超分辨率重建

于淑侠; 胡良梅; 张骏; 张旭东, 计算机应用研究 发表时间:2019-07-10 11:06 期刊

针对深度图像分辨率低的问题,构建了一种金字塔式双通道深度图像超分辨率卷积神经网络。在金字塔的每一级,通过两个通道对低分辨率深度图像提取不同的有效特征,通道1为增强型残差结构,可以将丰富的图像细节传递到后面的图层,通道2将不同卷积层提取的特征连接起来作为此通道最后一层卷积层的输入,有益于局部特征和全局特征的结合,并且通过将不同通道融合后的特征输入亚像素卷积实现超分辨率重建。实验结果表明,相比其他方法,该方法得到的超分辨率图像,缓解了边缘失真和伪影问题,有较好的视觉效果。...


基于采样汇集网络的场景深度估计

谢昭;马海龙;吴克伟;高扬;孙永宣;, 自动化学报 发表时间:2019-07-10 15:24 期刊

针对现有场景深度估计方法中,由于下采样操作引起的复杂物体边界定位不准确,而造成物体边界处的场景深度估计模糊的问题,受密集网络中特征汇集过程的启发,本文提出一种针对上/下采样过程的汇集网络模型。在下采样过程中,使用尺度特征汇集策略,兼顾不同尺寸物体的估计;在上采样过程中,使用上采样反卷积恢复图像分辨率;同时,引入采样跨层汇集策略,提供下采样过程中保存的物体边界的有效定位信息。本文提出的采样汇集网络中使用的尺度特征汇集和采样跨层汇集,都可以有效缩短特征图到输出损失之间的路径,从...


卷积神经网络结构优化综述

林景栋;吴欣怡;柴毅;尹宏鹏;, 自动化学报 发表时间:2019-07-10 17:03 期刊

...音识别等领域取得了突飞猛进的发展,其强大的特征学习能力引起了国内外专家学者广泛的关注.然而,由于深度卷积神经网络普遍规模庞大、计算度复杂,限制了其在实时要求高和资源受限环境下的应用.对卷积神经网络的结构进行优化以压缩并加速现有网络有助于深度学习在更大范围的推广应用,目前已成为深度学习社区的一个研究热点.本文整理了卷积神经网络结构优化技术的发展历史、研究现状以及典型方法,将这些工作归纳为网络剪枝与稀疏化、张量分解、知识迁移和精细模块设计四个方面并进行了较为全面的探讨.最后,本...


零样本学习研究进展

张鲁宁;左信;刘建伟;, 自动化学报 发表时间:2019-07-10 17:03 期刊

近几年来,深度学习在机器学习研究领域中取得了巨大的突破,深度学习能够很好地实现复杂问题的学习,然而,深度学习最大的弊端之一,就是需要大量的人工标注的训练数据,而这需要耗费大量的人力成本.因此,为了缓解深度学习存在的这一问题, Palatucci和Hinton等于2009年提出了零样本学习(Zero-Shot Learning).零样本学习是迁移学习的一种特殊场景,在零样本学习过程中,训练类集和测试类集之间没有交集,需要通过训练类与测试类之间的知识迁移来完成学习,使在训练类上...


相关搜索
 找到 24,663 条结果 
首页上一页789101112131415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。