面向实时应用的深度学习研究综述

张政馗;庞为光;谢文静;吕鸣松;王义;, 软件学报 发表时间:2019-12-05 14:55 期刊

深度学习算法和GPU算力的不断进步正促进着人工智能技术在包括计算机视觉、语音识别、自然语言处理等领域得到广泛应用.与此同时,深度学习已经开始应用于以自动驾驶为代表的安全攸关领域.但是,近两年接连发生了几起严重的交通事故表明深度学习技术的成熟度还远未达到安全攸关应用的要求,因此对可信人工智能系统的研究已经成为了一个热点方向.本文对现有的面向实时应用的深度学习领域的研究工作进行了综述,首先介绍了深度学习技术应用于实时嵌入式系统所面临的关键设计问题,然后从深层神经网络的轻量化设计...


基于轻量级卷积神经网络的烟雾识别算法

袁飞;赵绪言;王一戈;赵治晟;, 西南交通大学学报 发表时间:2019-12-05 15:28 期刊

...效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1毫秒内,这成为实时火灾预警的一大难题。为了解决上述问题,提出了一种基于四种Inception结构的轻量级卷积神经网络SInception,其显著地减少了网络的参数量和计算量,在此基础上加入SE Block用于对烟雾特征进行重新分配,使其针对烟雾图像具有更强的表征能力,同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,...


基于多尺度卷积网络的快速图像去雾算法

寇大磊; 钱敏; 权冀川; 刘佳洛; 张仲伟, 计算机工程与应用 发表时间:2019-12-07 08:54 期刊

针对目前图像去雾技术存在的使用场景有限、处理速度慢等问题,提出一种基于多尺度卷积网络的快速去雾算法。算法由去雾和修复两部分组成。去雾模块首先将有雾图像输入,经过特征提取和融合,然后通过变形后的大气物理散射算法对透射率图和大气光值统一学习,并演出去雾图像。去雾后的图像仍存在色调偏暗、细节不清晰的问题。修复模块利用对比度受限自适应直方图均衡方法对去雾图像进行修复,提升图像的对比度和算法的鲁棒性。通过去雾任务与目标检测任务相结合的测试实验进一步验证了算法的有效性。...


一种面向散乱点云语义分割的深度残差-特征金字塔网络框架

彭秀平; 仝其胜; 林洪彬; 冯超; 郑武, 自动化学报 发表时间:2019-12-07 10:14 期刊

针对当前基于深度学习的散乱点云语义特征提取方法通用性差以及特征提取不足导致的分割精度和可靠性差的难题,提出了一种散乱点云语义分割深度残差-特征金字塔网络框架.首先,针对当前残差网络在卷积方式上的局限性,定义一种立方体卷积运算,不仅可以通过二维卷积运算实现三维表示点的高层特征的抽取,还可以解决现有的参数化卷积设计通用性差的问题;其次,将定义的立方体卷积计算与残差网络相结合,构建面向散乱点云语义分割的深度残差特征学习网络框架;进一步,将深度残差网络与特征金字塔网络相结合,实现三...


基于压缩因子的宽度学习系统的虚拟机性能预测

邹伟东; 夏元清, 自动化学报 发表时间:2019-12-09 08:58 期刊

在基于基础设施即服务的云服务模式下,精准的虚拟机性能预测,对于用户在众多资源提供商之间进行虚拟机租用策略的制定具有十分重要的意义.针对基于宽度学习系统(Broad Learning System, BLS)的预测模型存在许多降低虚拟机性能预测准确性和效率的冗余节点,通过引入压缩因子,构建基于压缩因子的宽度学习系统,使预测结果更逼近输出样本,能够减少BLS的冗余特征节点与增强节点,从而加快BLS的网络收敛速度,提高BLS的泛化性能....


基于周期性建模的时间序列预测方法及电价预测研究

徐任超; 阎威武; 王国良; 杨健程; 张曦, 自动化学报 发表时间:2019-12-09 08:59 期刊

...具有复杂的非线性动态和一定的周期性.与传统的时间序列分析方法相比,基于深度学习的方法更能捕捉数据的深层特性,对具有复杂非线性的时间序列有较好的建模效果.为了在神经网络中显式地建模时间序列数据的周期性和趋势性,本文在循环神经网络的基础上引入了周期损失和趋势损失,建立了基于周期性建模和多任务学习的时间序列预测模型.将模型应用到欧洲能源交易所法国市场的能源市场价格预测中,结果表明周期损失和趋势损失能够提高神经网络的泛化能力,并提高预测时间序列趋势的精度....


唇读研究进展与展望

盛常冲; 陈小鼎; 匡纲要; 刘丽, 自动化学报 发表时间:2019-12-09 10:23 期刊

...机视觉和模式识别领域的一个重要问题,在公共安防、医疗、国防军事和影视娱乐等领域有着广泛的应用价值.近年来,深度学习技术极大地推动了唇读研究进展.本文首先阐述了唇读研究的内容和意义,并深入剖析了唇读研究面临的难点与挑战;然后介绍了目前唇读研究的现状与发展水平,对近期主流唇读方法进行了梳理、归类和评述,包括传统方法和近期的基于深度学习的方法;最后,探讨唇读研究潜在的问题和可能的研究方向.以期引起大家对唇读问题的关注与兴趣,并推动与此相关问题的研究进展....


BiLSTM在跨站脚本检测中的应用研究

程琪芩; 万良, 计算机科学与探索 发表时间:2019-12-09 10:46 期刊

目前传统的跨站脚本检测技术大多使用机器学习方法,存在代码被恶意混淆导致可读性不高、特征提取不充分并且效率低等缺陷,从而导致检测性能不佳。针对上述问题,提出了使用双向长短时记忆网络检测跨站脚本攻击的方法。首先,对数据进行预处理,使用解码技术将跨站脚本代码还原到未编码状态,从而提高跨站脚本代码的可读性,再使用深度学习工具word2vec将解码后的代码转换为向量作为神经网络的输入;其次,使用双向长短时记忆网络双向学习跨站脚本攻击的抽象特征;最后,使用softmax分类器对学习到的...


结合注意力机制的深度学习光流网络

周海赟; 项学智; 翟明亮; 张荣芳; 王帅, 计算机科学与探索 发表时间:2019-12-09 10:46 期刊

为提升基于编解码架构的U型网络在深度学习光流估计中的精度,提出了一种结合注意力机制的改进有监督深度光流学习网络。网络由收缩和扩张两部分组成,收缩部分利用一系列卷积层来提取图像之间的高级特征,扩张部分通过反卷积操作将特征图恢复至原始图像分辨率,将通道注意力机制引入U型网络架构中以学习通道之间的相互依赖性,自适应地调整各通道的特征权重,增强网络的特征提取能力。同时,改进的网络还使用了空洞卷积以在卷积核尺寸不变的情况下增大感受野,使用变分光流方法中的恒常约束与平滑约束以进一步利用...


深度学习目标检测方法及主流框架综述

段仲静;李少波;胡建军;杨静;王铮;, 激光与光电子学进展 发表时间:2019-12-11 08:38 期刊

目标检测作为机器视觉中重要任务之一,是人工智能体系中一个具有重要研究价值的技术分支。对卷积神经网络框架,Anchor-Based模型和Anchor-Free模型三个主流的目标检测模型进行梳理分析。首先,综述了主流卷积神经网络框架的网络结构、优缺点以及相关的改进方法。其次,从one-stage和two-stage两个分支对Anchor-Based类模型进行深入分析,总结不同目标检测方法的研究进展;从早期探索、基于关键点和密集预测三部分分析Anchor-Free类模型。最后,


基于Retinex-UNet算法的低照度图像增强

刘佳敏; 何宁; 尹晓杰, 计算机工程与应用 发表时间:2019-12-11 08:56 期刊

...,其约束和参数会受到模型容量限制,提出一种基于深度学习的低照度图像增强算法,并构建了新的网络架构Retinex-UNet(RUNet),该架构包含图像分解网络与图像增强网络两部分,首先利用Retinex-Net网络思想,通过卷积神经网络(CNN)学习并分解图像,然后将其结果作为增强网络的输入,对输入图像进行端对端训练。在增强网络中构建了基于U-Net的网络架构,其可对任意大小的图像进行增强。通过在公开数据集(LOL, SID)上验证表明,RUNet方法在效果上有所改进,尤其...


基于GPR和深度强化学习的分层人机协作控制

金哲豪; 刘安东; 俞立, 自动化学报 发表时间:2019-12-11 13:15 期刊

...ocess Regression, GPR)与深度强化学习(Deep Reinforcement Learning,DRL)的分层人机协作(Human-Robot Collaborative, HRC)控制方法,并以人机协作控制球杆系统为例检验该方法的高效性.本文的主要贡献是:1)在模型未知的情况下,采用DRL算法设计了一种有效的非线性次优控制策略,并将其作为顶层期望控制策略以引导HRC控制过程,解决了传统控制方法无法直接应用于模型未知人机协作场景的问题;2)针对HRC过程...


基于样本特征解码约束的GANs

陈泓佑; 陈帆; 和红杰; 朱翌明, 自动化学报 发表时间:2019-12-11 14:17 期刊

...图像的质量.首先利用U-Net结构的自动编码机学习出与用于激发生成器的随机向量同维度的训练样本网络中间层特征.然后在每次对抗训练前使用本文设计的解码约束条件训练解码器.其中,解码器与生成器结构相同,权重共享.为证明模型的可行性,推导给出了引入解码约束条件有利于JS散度不为常数的结论以及解码损失函数的类型选择依据.为验证模型的性能,利用CELEBA和CIFAR10数据集,对比分析了DCGANs, LSGANs, BEGANs, WGANs, WGANsGP及SAGANs的生成...


融合知识图谱和协同过滤的推荐模型

康雁; 李涛; 李浩; 钟声; 张亚钏; 卜荣景, 计算机工程 发表时间:2019-12-13 14:41 期刊

...TransE算法将路径嵌入成向量,接着利用LSTM和soft attention机制捕获路径推理的语义,之后运用池化操作区分不同路径推理的重要性,最终经过全连接层和sigmoid函数获得预测评分。另一个模型根据知识图谱表示学习的语义相似性,利用协同过滤算法的思想获得预测评分。按预测评分的准确度将两个模型有效地融合,最终获得可解释的混合推荐模型。模型在MovieLens数据集上进行了实验分析。与相关代表性算法相比,实验结果具有较好的推荐解释性和更高的推荐准确率。...


基于特征加权的深度学习Android恶意检测系统研究

葛文麒; 杨清; 廖俊国; 何羽轩, 计算机工程 发表时间:2019-12-19 11:26 期刊

...加权与双向长短期记忆神经网络(Bi-LSTM)深度学习算法相结合的恶意检测系统。该系统采用静态分析从应用中提取不同类型行为特征,使用改进的特征加权方法构建恶意与正常应用的特征向量;基于双向长短期记忆神经网络(Bi-LSTM)深度学习算法,通过对应用行为特征参数的分析和进一步优化,设计正常与恶意应用的分类模型,构建了深度学习算法与特征加权算法相结合的恶意检测系统。实验结果表明,与现有的检测技术相比,该检测模型对恶意应用具有较高的检测精度和检测准确率。...


融合深度学习的自动化海洋锋精细识别

曹维东; 解翠; 韩冰; 董军宇, 计算机工程 发表时间:2019-12-19 11:28 期刊

...是复杂多样的海洋锋无法用单一阈值准确识别。融合深度学习的自适应梯度阈值判别方法,首先对海温梯度图进行标注,通过Mask R-CNN训练得到了可以对海洋锋进行像素级识别的模型,然后统计每一类锋特有的梯度值分布作为该类锋的基准梯度阈值,并基于该阈值对像素级的锋面识别结果进行精细化调整,基准梯度阈值的计算和锋面优化调整都是自适应的自动化过程。通过将锋面识别结果精度进行量化的方法,锋面识别效果评价有了准确可评估的标准,因此可以完善自适应锋面调整过程的可靠性,最后获得了具有良好的独立...


基于全矢-CNN的轴承故障诊断研究

郝旺身; 陈耀; 孙浩; 付耀琨; 李伟, 郑州大学学报(工学版) 发表时间:2019-12-19 15:15 期刊

...出一种新的滚动轴承的故障诊断模型。 本方法的创新点在于将全矢谱技术与深度卷积神经网络结合,相对于单通道数据建立的模型具有特征信息完整、模型适应性强等优点。首先利用全矢谱技术对采集的双通道信号进行信息融合,得到融合后的主振矢数据。然后结合主振矢数据与深度学习算法构建全矢深度卷积神经网络,模型能够自适应地提取故障特征,利用反向传播算法调节优化模型参数。实验结果表明,该方法能够提取更加完整的轴承故障信息,该模型具有更高的准确率和更好的稳定性。...


一种鲁棒性增强的机载网络流量分类方法

吕娜; 周家欣; 陈卓; 刘鹏飞; 高维廷, 北京航空航天大学学报 发表时间:2019-12-24 15:01 期刊

...周期内完成完整数据流负载特征的提取,限制了基于深度学习的流量分类方法的应用。因此,提出了一种鲁棒性增强的机载网络流量分类方法,通过数据预处理及缺失样本处理方法将数据流样本映射为灰度矢量集合,基于完整的数据流训练集实现鲁棒性增强的长时递归卷积神经网络分类模型的训练,在线上分类阶段,通过分类模型实现样本缺失数据流负载空间特征以及数据流时序特征的提取并进行数据流分类。通过在数据包样本缺失的流量测试集上的实验结果表明,所提方法可以有效抑制数据包样本缺失对分类准确性能的恶化。...


生成对抗网络的单图像超分辨率重建方法

彭晏飞;高艺;杜婷婷;桑雨;訾玲玲;, 计算机科学与探索 发表时间:2019-12-24 16:00 期刊

基于深度卷积神经网络的超分辨率重建方法虽有着较高的峰值信噪比,但重建结果在大尺度因子下却存在缺乏高频信息和纹理细节,视觉感知效果差的问题。针对这一问题,提出了一种基于生成对抗网络的单图像超分辨率重建方法。首先,迁移支持向量机中的hinge损失作为目标函数,其次使用更加稳定、抗噪性更强的Charbonnier损失代替L2损失函数,最后去掉了残差块和判别器中对图像超分辨率不利的批规范化层,并在生成器和判别器中使用谱归一化来减小计算开销,稳定模型训练。实验结果表明,在4倍放大尺度...


基于Faster R-CNN金丝猴优化检测方法研究

孙蕊;张旭;郭颖;于新文;陈艳;侯亚男;, 激光与光电子学进展 发表时间:2019-12-25 07:01 期刊

...据集来源单一,检测部位局限等问题。[方法]采用深度学习方法,利用网络爬取和实地拍摄两种方式获取金丝猴图片数据,并构建基于Faster R-CNN的金丝猴优化检测模型。通过比较不同迭代次数以及不同深度的基础网络结构,明确模型的最优构建方案;同时通过对比基于三种不同方式构建的训练数据集的检测精度,探究样本有限的情况下,建模数据的最优补充方案;并且分析评价在金丝猴真实生活场景下,基于Faster R-CNN优化检测方法对面部和身体的检测效果。[结果]研究结果表明:1、相比Vgg1...


相关搜索
 找到 34,533 条结果 
首页上一页456789101112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。