基于深度学习的大采高工作面矿压预测分析及模型泛化

赵毅鑫; 杨志良; 马斌杰; 宋红华; 杨东辉, 煤炭学报 发表时间:2019-11-06 10:15 期刊

...Short Time Memory,LSTM)深度学习方法,以红庆河矿31101大采高综采面矿压规律为研究对象,对工作面支架工作阻力、支架不平衡力、支架安全阀开启情况及初次来压与周期来压等矿压显现规律进行分析;基于建立的数据库,预测了红庆河大采高工作面矿山压力,预测结果表明LSTM方法较BP神经网络预测更具准确性。为进一步讨论本研究采用的LSTM网络模型的泛化能力,在采用布尔台42103大采高工作面、上湾矿12401大采高工作面少量矿压数据的前提下,使用迁移学习方法,对矿压...


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...


对抗样本生成技术综述

潘文雯;王新宇;宋明黎;陈纯;, 软件学报 发表时间:2019-11-06 11:49 期刊

如今,深度学习已经被广泛应用于图像分类和图像识别的问题中,取得了令人满意的实际效果,成为了许多人工智能应用的关键所在.在对于模型准确率的不断探究中,研究人员在近期提出了“对抗样本”这一概念.通过在原有样本中添加微小扰动的方法,成功地大幅度降低原有分类深度模型的准确率,实现对于深度学习的对抗目的,同时也给深度学习的攻方提供了新的思路,对如何开展防御提出了新的要求.本文在介绍对抗样本生成技术的起源和原理的基础上,对近年来有关于对抗样本的研究和论文进行了总结,按照各自的算法原理将...


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...


基于残差编解码网络的单光子压缩成像

管焰秋;鄢秋荣;杨晟韬;李冰;曹芊芊;方哲宇;, 光学学报 发表时间:2019-11-06 17:01 期刊

...子压缩成像,我们称这个网络为SRIED-Net。我们将二值化的全连接层作为网络的第一层,并将其训练成二进制的测量矩阵,直接加载到DMD上以实现高效压缩采样。除第一层外的其余网络用于快速重建压缩感知图像。我们通过一系列的仿真实验和系统实验比较了压缩采样率、测量矩阵和重建算法对成像性能的影响。实验结果表明,SRIED-Net在低测量率下优于目前比较先进的迭代算法TVAL3,在高测量率下与TVAL3的效果很接近,在所有测量率下都优于目前常见的几种基于深度学习的方法。...


基于深度学习的重叠人脸检测

陈立阳;赵逢禹;, 计算机技术与发展 发表时间:2019-11-07 10:06 期刊

...然能够检测出部分人脸,但是相比于单人脸的检测,算法的效率和准确性都有所欠缺。针对这个问题,本文提出了一种基于深度学习的重叠人脸检测方法,首先基于机器学习方法,构建出多个人脸特征分类器,然后再利用肤色检测的方法对分类器得到的候选人脸进行二次检测,最终利用本文提出的一种NMS算法对候选人脸进行进一步的处理,最终检测出精确的人脸。为了验证算法的高效性和高准确性,本文进行了多个人脸检测算法的对比实验,结果表明,本文提出的算法在效率和准确性方面都有较大提高。...


一种基于深度RTRBM的动态网络链路预测方法

潘嘉琪;邹俊韬;, 计算机技术与发展 发表时间:2019-11-07 11:12 期刊

...随时间演化而发生的骤变问题,本文提出了一种基于深度循环时序受限玻尔兹曼机(RTRBM)的链路预测方法。在样本集构建方面,本文利用网络嵌入学习自动化提取网络节点特征,并以嵌入特征空间中两个节点间的距离作为节点对样本属性;在学习模型选择方面,本文将RTRBM模型应用于动态网络链路预测,考虑到短时间间隔内节点在嵌入特征空间中的位置相对稳定,对RTRBM的能量函数及训练过程进行了改进。此外,为了提取节点对的深度时序特征,本文结合深度学习理论,通过纵向地堆叠多个改进后的RTRBM构成...


基于深度学习的光学遥感图像目标检测研究进展

刘小波; 刘鹏; 蔡之华; 乔禹霖; 王凌; 汪敏, 自动化学报 发表时间:2019-11-07 16:36 期刊

光学遥感图像的目标检测是航空和卫星图像分析领域的一个基本但具有挑战性的问题,近年来受到广泛关注.本文从如下几个方面介绍了基于深度学习的光学遥感图像目标检测的研究现状.首先对光学遥感图像目标检测的主要难点进行了介绍,接着对现有基于深度学习的目标检测算法进行概括,并以光学遥感图像目标检测的难点为驱动分析对比了不同的基于深度学习的光学遥感图像目标检测方法的优缺点,最后对未来的发展趋势进行了详细的分析....


基于相似论文増广的深度学习专利质量评估

韦伟;李小娟;, 计算机应用 发表时间:2019-11-07 16:44 期刊

...设计的质量评价指标导致评价过程存在主观性强、评价双方认可分歧大的问题,提出一种基于相似论文増广的深度学习专利质量评估方法。首先以论文作为客观评价数据,使用论文计算相似度进行筛选以作为增广数据,然后利用深度神经网络训练能够映射论文与待评估专利间质量的质量评估模型,最后利用评估模型估计专利质量。实例测试表明不同领域的专利质量评估分数与专家定性评价结果的平均误差均低于4,表明所提方法具有有效地专利质量评价能力,且为专利质量评价技术的研究提供了一个新方向。...


大视场域的目标检测与识别算法综述

李唐薇;童官军;李宝清;卢晓洋;, 激光与光电子学进展 发表时间:2019-11-07 17:04 期刊

目标精确感知与识别为信息化战争提供了一个重要的技术增长点,全景视觉传感设备因其拥有大视场范围优势而逐渐被应用于安防及军事领域中完成目标检测与识别任务。本文首先从相机成像模型、图像成像质量以及目标物体的非对称性三个方面对存在的困难以及挑战进行阐述。基于是否进行畸变校正预处理本文将近年来大视场域的目标检测与识别算法分为基于畸变校正的目标检测与识别算法和基于原始LFOV图像的目标检测与识别算法两类,并针对这两类算法进行了全面梳理和总结,从当前大视场域的目标检测与识别各类算法的统


基于深度学习的目标检测与可行域分割研究

李立凯;卢炽华;邹斌;, 激光与光电子学进展 发表时间:2019-11-07 17:04 期刊

为了解决智能车在进行检测和分割任务时需要快速准确的检测识别能力以及对多种场景的适应能力,提出一种多任务共享同一个特征提取网络的联合方法。整体网络采用编码—解码结构。首先选用ResNet-50网络为编码器进行图片特征的提取;然后采用SSD目标检测算法的多尺度特征预测和快速回归思想,进行检测结果的解码,采用DeepLab V3中的ASPP结构,对来自ResNet-50网络下采样后的图像特征进行多尺度映射、双线性上采样和批次归一化处理完成分割解码。最后在设定好的训练参数下完成对


改进Faster RCNN模型在棉花异性纤维识别中的应用

杜玉红;董超群;赵地;任维佳;蔡文超;, 激光与光电子学进展 发表时间:2019-11-07 17:05 期刊

...性纤维的含量更能全面的评价棉花的质量。本文采用深度学习方法对异性纤维进行分类识别。首先建立异性纤维数据集,针对异性纤维尺寸和形状多样性的特点,采用基于Faster RCNN的目标识别框架,以RseNet-50代替原始的VGG16作为异性纤维模型的特征提取网络,并采用Kmeans++聚类算法对候选框生成尺寸进行改进,然后对模型进行训练,实现棉花中异性纤维的分类和定位。训练后的模型在验证集上的准确率达到94.24%,精度为98.16%,召回率为95.93%,精确率和召回率的调和...


多数据集深度学习模型的修图处理识别

杨滨; 陈先意, 计算机科学与探索 发表时间:2019-11-08 16:29 期刊

...的修图处理APP软件,提出一种基于多数据集特征学习的神经网络模型,并给出其网络拓扑结构。区别于传统的多个神经网络并行操作,本文提出的网络模型具有共享模型参数的特征,能同时对多个特征数据集进行深度学习,使检测程序具备多特征识别能力。此外,本文还提出了一种针对多任务网络模型的损失函数,以增强深度特征学习的能力。实验结果表明,本文提出的方法的准确率较以往传统方法有较大提升,同时泛化性能优越,能识别出经过多种美图、修图软件修复过的图像。...


基于深度学习的无人机土地覆盖图像分割方法

刘文萍; 赵磊; 周焱; 宗世祥; 骆有庆, 农业机械学报 发表时间:2019-11-11 17:45 期刊

...包括:①将原始主干网络Xception+替换为深度残差网络ResNet+。②引入联合上采样模块增强编码器的信息传递能力。③调整扩张卷积空间金字塔池化模块的扩张率并移除该模块的全局池化连接。④改进解码器使其融合更多浅层特征。最后在本文数据集上训练和测试模型。实验结果表明,本文提出的方法在测试集上像素准确率和平均交并比分别为95.06%和81.22%,相比原始模型提升了14.55%和25.49%,并且优于常用的语义分割模型FCN-8S(像素准确率为32.39%,平均交并比为8....


相关搜索
 找到 28,838 条结果 
首页上一页8910111213141516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。