期刊文献+
共找到902篇文章
< 1 2 46 >
每页显示 20 50 100
基于空间维度循环感知网络的密集人群计数模型 认领
1
作者 付倩慧 李庆奎 +1 位作者 傅景楠 王羽 《计算机应用》 北大核心 2021年第2期544-549,共6页
考虑目前对具有透视畸变的高密度人群图像进行特征提取的局限性,提出了一种融合全局特征感知网络(GFPNet)和局部关联性特征感知网络(LAFPNet)的人群计数模型LMCNN。GFPNet是LMCNN的主干网络,将其输出的特征图进一步序列化并作为LAFPNet... 考虑目前对具有透视畸变的高密度人群图像进行特征提取的局限性,提出了一种融合全局特征感知网络(GFPNet)和局部关联性特征感知网络(LAFPNet)的人群计数模型LMCNN。GFPNet是LMCNN的主干网络,将其输出的特征图进一步序列化并作为LAFPNet的输入,再利用循环神经网络(RNN)在时序维度上对局部关联性特征感知的特点将单一的空间静态特征映射到具有局部序列关联性特征的特征空间,从而有效地削减了透视畸变对人群密度估计造成的影响。为了验证所提模型的有效性,在Shanghaitech Part A子集和UCF_CC_50数据集上与原子卷积空间金字塔网络(ACSPNet)进行对比,结果表明所提模型的平均绝对误差(MAE)分别至少减小了18.7%和20.30%,均方误差(MSE)分别至少减小了22.3%和22.6%。LMCNN注重空间维度上前后特征的相关性,通过对空间维度特征与单图像内序列特征的充分融合,减小了由透视畸变引起的人群计数误差,能更加准确地预测密集区域人数,提高人群密度回归精度。 展开更多
关键词 人群计数 人群密度估计 卷积神经网络 多列卷积神经网络 长短时记忆神经网络
在线阅读 下载PDF
支持CNN与LSTM的二值权重神经网络芯片 认领
2
作者 张士长 王郁杰 +6 位作者 肖航 许浩博 李佳骏 王颖 张浩天 李晓维 韩银和 《高技术通讯》 CAS 北大核心 2021年第2期122-128,共7页
深度神经网络在图像分类、语音识别、视频检测等领域都取得了巨大的成功,这些领域主要采用了卷积神经网络(CNN)、长短期记忆(LSTM)中的一种或者两种网络类型。由于CNN和LSTM网络结构的差异使得现有深度神经网络加速器无法同时高效支持... 深度神经网络在图像分类、语音识别、视频检测等领域都取得了巨大的成功,这些领域主要采用了卷积神经网络(CNN)、长短期记忆(LSTM)中的一种或者两种网络类型。由于CNN和LSTM网络结构的差异使得现有深度神经网络加速器无法同时高效支持这两种网络类型。权重二值化使得加速器对于CNN和LSTM的同时支持更加高效,同时使得计算复杂度和访存量大幅降低,使得神经网络加速器能够获得更高的能效,并且二值权重对中小规模神经网络模型的精度损失的影响非常有限。本文提出了一种高效支持CNN与LSTM的二值权重神经网络加速器设计结构,该结构在运行CNN和LSTM网络模型时,其核心运算单元利用率超过已有加速器,并且该加速器通过了片上系统(SoC)芯片验证,经过芯片实测,该加速器芯片能效在SoC系统级别达到了6.43 TOPS/W。 展开更多
关键词 卷积神经网络(CNN) 长短期记忆(LSTM) 神经网络加速器 二值权重 片上系统(SoC)
在线阅读 下载PDF
基于循环卷积神经网络的POMDP值迭代算法 认领
3
作者 于丹宁 倪坤 刘云龙 《计算机工程》 CAS 北大核心 2021年第2期90-94,102,共6页
基于卷积神经网络的部分可观测马尔科夫决策过程(POMDP)值迭代算法QMDP-net在无先验知识的情况下具有较好的性能表现,但其存在训练效果不稳定、参数敏感等优化难题。提出基于循环卷积神经网络的POMDP值迭代算法RQMDP-net,使用门控循环... 基于卷积神经网络的部分可观测马尔科夫决策过程(POMDP)值迭代算法QMDP-net在无先验知识的情况下具有较好的性能表现,但其存在训练效果不稳定、参数敏感等优化难题。提出基于循环卷积神经网络的POMDP值迭代算法RQMDP-net,使用门控循环单元网络实现值迭代更新,在保留输入和递归权重矩阵卷积特性的同时增强网络时序处理能力。实验结果表明,RQMDP-net在10×10网格地图规划任务中导航准确率高达98.5%,且在36×36网格地图规划任务中相比QMDP-net最多提升5.8个百分点,具有更快的网络收敛速度和更强的导航任务规划能力。 展开更多
关键词 部分可观测马尔科夫决策过程 值迭代 卷积神经网络 循环卷积神经网络 智能体规划
在线阅读 下载PDF
基于LSTM-CNN-CBAM模型的股票预测研究 认领
4
作者 赵红蕊 薛雷 《计算机工程与应用》 北大核心 2021年第3期203-207,共5页
为了更好地对股票价格进行预测,进而为股民提供合理化的建议,提出了一种在结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的基础上引入注意力机制的股票预测混合模型(LSTM-CNN-CBAM),该模型采用的是端到端的网络结构,使用LSTM来提取数据... 为了更好地对股票价格进行预测,进而为股民提供合理化的建议,提出了一种在结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的基础上引入注意力机制的股票预测混合模型(LSTM-CNN-CBAM),该模型采用的是端到端的网络结构,使用LSTM来提取数据中的时序特征,利用CNN挖掘数据中的深层特征,通过在网络结构中加入注意力机制——Convolutional Attention Block Module(CBAM)卷积模块,可以有效地提升网络的特征提取能力。基于上证指数进行对比实验,通过对比实验预测结果和评价指标,验证了在LSTM与CNN结合的网络模型中加入CBAM模块的预测有效性和可行性。 展开更多
关键词 长短期记忆网络(LSTM) 卷积神经网络(CNN) 注意力机制 股价预测
在线阅读 下载PDF
基于遗传的CNN优化方法在入侵检测中的应用 认领
5
作者 谭敏生 彭敏 +1 位作者 丁琳 吴冕 《计算机仿真》 北大核心 2021年第2期416-421,共6页
卷积神经网络在入侵检测领域已得到较多运用,检测性能与卷积层、全连接层的初始权重、阈值、网络结构参数、优化器及全连接层神经元数等有着密切关系。利用遗传算法强大的全局寻优能力,通过遗传算法的选择、交叉和变异等操作获得最优初... 卷积神经网络在入侵检测领域已得到较多运用,检测性能与卷积层、全连接层的初始权重、阈值、网络结构参数、优化器及全连接层神经元数等有着密切关系。利用遗传算法强大的全局寻优能力,通过遗传算法的选择、交叉和变异等操作获得最优初始权重、阈值、网络结构参数、优化器及全连接层神经元数等来优化卷积神经网络,并将优化后的卷积神经网络应用于入侵检测,通过对入侵数据进行识别,提出了一种基于优化卷积神经网络的入侵检测算法。实验结果表明,与支持向量机、不同结构卷积神经网络、BP神经网络等方法相比,所提的方法对入侵数据检测的准确率和检测率有明显提高,误报率有明显降低。 展开更多
关键词 卷积神经网络 遗传算法 入侵检测 神经网络 支持向量机
在线阅读 下载PDF
基于深度学习的文本分类技术研究进展 认领
6
作者 何力 郑灶贤 +2 位作者 项凤涛 吴建宅 谭林 《计算机工程》 CAS 北大核心 2021年第2期1-11,共11页
随着深度学习技术的快速发展,许多研究者尝试利用深度学习来解决文本分类问题,特别是在卷积神经网络和循环神经网络方面,出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析,介绍卷积神经网络、循环神经网络、... 随着深度学习技术的快速发展,许多研究者尝试利用深度学习来解决文本分类问题,特别是在卷积神经网络和循环神经网络方面,出现了许多新颖且有效的分类方法。对基于深度神经网络的文本分类问题进行分析,介绍卷积神经网络、循环神经网络、注意力机制等方法在文本分类中的应用和发展,分析多种典型分类方法的特点和性能,从准确率和运行时间方面对基础网络结构进行比较,表明深度神经网络较传统机器学习方法在用于文本分类时更具优势,其中卷积神经网络具有优秀的分类性能和泛化能力。在此基础上,指出当前深度文本分类模型存在的不足,并对未来的研究方向进行展望。 展开更多
关键词 深度学习 文本分类 卷积神经网络 循环神经网络 注意力机制
在线阅读 下载PDF
深度图注意力CNN的三维模型识别 认领
7
作者 党吉圣 杨军 《计算机科学与探索》 北大核心 2021年第1期141-149,共9页
针对现有基于深度学习的三维模型识别方法缺乏结合三维模型的上下文细粒度局部特征,可能造成几何形状极其相似,局部细节信息略有不同的类识别混淆的问题,提出一种基于深度图注意力卷积神经网络的三维模型识别方法。首先,通过引入邻域选... 针对现有基于深度学习的三维模型识别方法缺乏结合三维模型的上下文细粒度局部特征,可能造成几何形状极其相似,局部细节信息略有不同的类识别混淆的问题,提出一种基于深度图注意力卷积神经网络的三维模型识别方法。首先,通过引入邻域选择机制挖掘三维模型的细粒度局部特征。其次,通过空间上下文编码机制捕捉多尺度空间上下文信息,且与细粒度局部特征相互补偿以增强特征的完备性。最后,采用一种多头部机制,使图注意力卷积层聚合多个单头部的特征以增强特征的丰富性。此外,设计选择性丢弃算法,根据度量权重值对神经元重要性进行排序,智能地丢弃重要性较低的神经元来防止网络过拟合。算法在ModelNet40数据集上的三维模型识别准确率达到了92.6%,且网络复杂度较低,在三维模型识别准确率和网络复杂度之间达到最佳平衡,优于当前主流方法。 展开更多
关键词 机器视觉 三维模型识别 图注意力卷积层 卷积神经网络(CNN) 选择性丢弃
在线阅读 下载PDF
密集连接扩张卷积神经网络的单幅图像去雾 认领
8
作者 刘广洲 李金宝 +1 位作者 任东东 舒明雷 《计算机科学与探索》 北大核心 2021年第1期185-194,共10页
针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张... 针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张率的扩张卷积,使网络在充分聚合上下文特征信息时不损失空间分辨率,并避免了网格伪影的产生。最后,为了提高算法的去雾能力,将该网络划分为多个阶段,并在每个阶段引入侧输出模块,从而获得更精确的特征信息。实验结果表明,所提出的去雾算法无论是在合成数据集上还是在真实数据集上都取得了较好的去雾效果,恢复的色彩更接近无雾图像,并且定量评价指标峰值信噪比(PSNR)和结构相似性(SSIM)均优于其他对比方法。 展开更多
关键词 图像去雾 卷积神经网络(CNN) 密集连接 扩张卷积
在线阅读 下载PDF
卷积神经网络在高光谱图像分类中的应用综述 认领
9
作者 万亚玲 钟锡武 +1 位作者 刘慧 钱育蓉 《计算机工程与应用》 北大核心 2021年第4期1-10,共10页
高光谱图像(Hyperspectral Imagery,HSI)分类是高光谱图像处理和应用的一项重要工作。随着深度学习的不断发展,卷积神经网络(Convolutional Neural Network,CNN)日渐成为处理高光谱遥感图像分类问题的一个有效方法。首先对高光谱遥感图... 高光谱图像(Hyperspectral Imagery,HSI)分类是高光谱图像处理和应用的一项重要工作。随着深度学习的不断发展,卷积神经网络(Convolutional Neural Network,CNN)日渐成为处理高光谱遥感图像分类问题的一个有效方法。首先对高光谱遥感图像分类任务进行了概述,分析了目前存在的问题;其次对CNN及其基于光谱特征、空间特征、空谱特征的分类方法进行了系统的梳理,并且将上述的分类方法通过实验分析其性能;最后对高光谱遥感图像分类的关键问题进行了总结,并讨论了未来的研究方向。 展开更多
关键词 高光谱遥感图像分类 深度学习 卷积神经网络(CNN) 空谱特征
在线阅读 下载PDF
卷积神经网络SIP微系统实现 认领
10
作者 吕浩 张盛兵 +2 位作者 王佳 刘硕 景德胜 《计算机工程与应用》 北大核心 2021年第5期216-221,共6页
近年来,微电子技术进入到纳电子/集成微系统时代,SIP(System in Package)和SOC(System on Chip)是微系统实现的两种重要技术途径;基于神经网络的深度学习技术在图形图像、计算机视觉和目标识别等方面得以广泛应用。卷积神经网络的深度... 近年来,微电子技术进入到纳电子/集成微系统时代,SIP(System in Package)和SOC(System on Chip)是微系统实现的两种重要技术途径;基于神经网络的深度学习技术在图形图像、计算机视觉和目标识别等方面得以广泛应用。卷积神经网络的深度学习技术在嵌入式平台的小型化、微型化是一项重要研究领域。如何将神经网络轻量化和微系统相结合,达到性能、体积和功耗的最优化平衡是一难点。介绍了一款将SIP技术和基于FPGA的卷积神经网络相结合的微系统实现方案,它以Zynq SOC和FLASH、DDR3存储器为主要组成,利用SIP高密度系统封装技术进行集成,在其中的PL端(FPGA)采用HLS来设计CNN(Convolutional Neural Network,卷积神经网络)中的卷积层和池化层,生成IP核,分时复用构建微系统,设计实现了Micro_VGGNet轻量化模型。测试采用MNIST手写数字数据集作为训练和测试样本,该微系统能够实准确识别手写数字,准确率达到98.1%。体积仅为30 mm×30 mm×1.2 mm,在100 MHz工作频率下,图像处理速度可达到20.65 FPS,功耗仅为2.1 W,实现了轻量化神经网络微系统的多目标平衡(性能、体积和功耗)。 展开更多
关键词 微系统 系统级封装(SIP) 卷积神经网络(CNN) 数字识别
在线阅读 下载PDF
一种复合型手势识别方法研究 认领
11
作者 韩文静 罗晓曙 杨日星 《计算机工程与应用》 北大核心 2021年第4期108-113,共6页
针对已有卷积神经网络在手势识别过程中精度不高的问题,提出了一种双通道卷积神经网络的特征融合与动态衰减学习率相结合的复合型手势识别方法。通过两个相互独立的通道进行手势图像的特征提取,首先使用SENet(Squeeze-and-Excitation Ne... 针对已有卷积神经网络在手势识别过程中精度不高的问题,提出了一种双通道卷积神经网络的特征融合与动态衰减学习率相结合的复合型手势识别方法。通过两个相互独立的通道进行手势图像的特征提取,首先使用SENet(Squeeze-and-Excitation Networks)构成的第一通道提取全局特征,然后使用RBNet(Residual Block Networks)构成的第二通道提取局部特征,并将全局特征和局部特征进行通道维度上的融合。同时,利用动态衰减的学习率训练双通道网络模型。与其他卷积神经网络模型的对比实验结果表明,提出的复合型手势识别方法的手势识别率高,参数数量少,适用于不同手势图像数据集的识别。 展开更多
关键词 卷积神经网络(CNN) 手势识别 双通道特征融合 SENet RBNet
在线阅读 下载PDF
基于深度学习的手写书法字体识别算法 认领
12
作者 许嘉谕 林楚烨 +3 位作者 陈志涛 邓卓然 潘家辉 梁艳 《计算机系统应用》 2021年第2期213-218,共6页
为解决因手写书法作品种类繁多而识别困难的问题,降低人们观赏书法的门槛,本文提出了基于深度学习的手写书法字体识别算法.识别过程中首先使用投影法等图像处理方法对书法作品图像中的汉字进行定位和分割,然后分别利用GoogLeNet Incepti... 为解决因手写书法作品种类繁多而识别困难的问题,降低人们观赏书法的门槛,本文提出了基于深度学习的手写书法字体识别算法.识别过程中首先使用投影法等图像处理方法对书法作品图像中的汉字进行定位和分割,然后分别利用GoogLeNet Inception-v3模型和ResNet-50残差网络进行书体风格识别和字形识别.实验结果表明,本文算法能实现对整幅书法作品中楷书和篆书的书体风格以及字形的识别,对楷书和篆书单字的识别率分别为91.57%和81.70%,达到了实用的需求. 展开更多
关键词 图像处理 卷积神经网络(CNN) 手写书法字体识别
在线阅读 下载PDF
Norm-DP模型行人检测优化算法 认领
13
作者 柴恩惠 马占飞 智敏 《计算机科学与探索》 北大核心 2021年第3期545-552,共8页
传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此... 传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此,提出一种基于规范化函数的深度金字塔模型(Norm-DP)算法,使用规范化函数融合可变形部件模型和卷积神经网络模型,直接从金字塔特征中提取正负样本,使用隐变量支持向量机进行模型训练,结合柔性非最大抑制(soft-NMS)算法和边界框回归(BBR)算法对定位框进行优化。分别使用INRIA和MS COCO数据集进行实验验证,在行人数量多、姿势复杂和有遮挡情况时,检测精度高于最优的可变形部件模型算法、卷积神经网络算法、深度金字塔模型算法和结合区域选择的卷积神经网络算法。 展开更多
关键词 卷积神经网络(CNN) 可变形部件模型算法 规范化深度金字塔(Norm-DP) 柔性非最大抑制(Soft-NMS) 边界框回归(BBR)
在线阅读 下载PDF
融合密度和精细分数的行人检测 认领
14
作者 甄烨 王子磊 吴枫 《中国图象图形学报》 北大核心 2021年第2期425-437,共13页
目的行人检测是指使用矩形框和置信度找出图像或者视频中的所有行人。传统的图像行人检测方法对于姿态各异或者相互遮挡的行人无能为力。深度神经网络(deep neural networks,DNN)在目标检测领域表现出色,然而依然难以解决行人检测中一... 目的行人检测是指使用矩形框和置信度找出图像或者视频中的所有行人。传统的图像行人检测方法对于姿态各异或者相互遮挡的行人无能为力。深度神经网络(deep neural networks,DNN)在目标检测领域表现出色,然而依然难以解决行人检测中一些问题。本文提出一种融合密度和精细分数的行人检测方法DC-CSP(density map and classifier modules with center and scale prediction)。方法首先,在CSP(center and scale prediction)网络的基础上添加密度图模块(density map module,DMM)和分类器模块(classifier module,CM),得到DC-CSP网络;然后,针对置信度不精确问题,利用不同模块对分数预测结果的互补性质,设计阶段分数融合(stage score fusion,SSF)规则对检测分数进行更新,使得行人置信度上升、背景置信度下降;最后,基于NMS(non-maximum suppression),利用估计的行人密度图,设计改进的自适应NMS(improved adaptive NMS,IAN)后处理方法,能够进一步改善检测结果,对相互遮挡行人提高交并比(intersection over union,IOU)阈值从而减少漏检,对单个行人降低IOU阈值从而减少错检。结果在公开数据集Citypersons和Caltech上进行定量和定性分析。定量分析中,与其他方法相比,本文方法在Citypersons数据集的Reasonable、Heavy、Partial以及Bare子集上,对数平均漏检率分别下降了0.8%、1.3%、1.0%和0.8%,在Caltech数据集的Reasonable和All子集上分别下降了0.3%和0.7%;在定性分析中,可视化结果表明,本文方法在一定程度上解决了各种不同场景下存在的相互遮挡行人漏检、单个行人错检以及置信度不精确等一系列问题。此外,消融实验证明了所设计模块及其对应规则的有效性。结论本文方法使用联合多个模块的卷积神经网络(convolutional neural network,CNN),针对密度特征、分类特征分别设计IAN方法和SSF规则,在一定程度上解决了相互遮挡行人漏检、单个行人错检以及置信度� 展开更多
关键词 城市场景 行人检测 卷积神经网络(CNN) 密度图 分数融合 自适应后处理
自适应感受野机制遥感图像分割模型 认领
15
作者 刘航 汪西莉 《中国图象图形学报》 北大核心 2021年第2期464-474,共11页
目的遥感图像中存在大小、形态不一的目标,增加了目标分割任务的困难性。感受野代表了特征图中每个像素对应输入图像的区域,若感受野与目标形状的契合度较高,则特征图中包含的目标特征更加完整,有利于分割。在现有的分割方法中,通常采... 目的遥感图像中存在大小、形态不一的目标,增加了目标分割任务的困难性。感受野代表了特征图中每个像素对应输入图像的区域,若感受野与目标形状的契合度较高,则特征图中包含的目标特征更加完整,有利于分割。在现有的分割方法中,通常采用的是正方形的感受野,而遥感图像中目标形状多变,导致感受野无法较好地契合目标形状,在提取目标特征时会引入过多的无用特征,从而影响分割精度。为此,本文提出基于自适应感受野机制的遥感图像分割模型。方法在编码—解码网络结构的基础上,引入自适应感受野机制。首先在编码器上提取不同大小和宽高比的感受野特征,然后在特征融合时使用通道注意力模块自适应地获取通道权重,通过加权强化与目标形状契合度高的感受野的特征,弱化与目标形状契合度低的感受野的特征,在保留目标特征的同时减少背景特征的干扰,进而提升模型的分割精度。结果在Inria Aerial Image Labeling数据集与Deep Globe Road Extraction数据集上进行实验并与相关方法比较,在两个数据集上的平均交并比分别为76.1%和61.9%,平均F1值分别为86.5%和76.5%。结论本文模型能够提取不同形状感受野的特征,并自适应地获取通道权重,使模型能提取更加完整的目标特征,从而提升目标分割效果。 展开更多
关键词 遥感图像 卷积神经网络(CNN) 图像分割 自适应感受野机制(ARFM) 通道注意力模块(CAM)
基于深度学习的视频质量评价研究综述 认领
16
作者 谭娅娅 孔广黔 《计算机科学与探索》 北大核心 2021年第3期423-437,共15页
视频质量评价(VQA)是以人眼的主观质量评估结果为依据,使用算法模型对失真视频进行评估。传统的评估方法难以做到主观评价结果与客观评价结果相一致。基于深度学习的视频质量评价方法无需加入手工特征,通过模型自主学习即可进行评估,对... 视频质量评价(VQA)是以人眼的主观质量评估结果为依据,使用算法模型对失真视频进行评估。传统的评估方法难以做到主观评价结果与客观评价结果相一致。基于深度学习的视频质量评价方法无需加入手工特征,通过模型自主学习即可进行评估,对视频质量的监控和评价有重要意义,已成为计算机视觉领域的研究热点之一。首先对视频质量评价的研究背景和主要研究方法进行介绍;其次从全参考型和无参考型两方面介绍基于深度学习的客观质量评价方法,并且从所用的卷积神经网络模型对无参考型评价方法进行了分类比较;接着介绍视频质量评价算法的相关数据库和评价算法性能指标,并对算法性能进行比较;最后对目前视频质量评价研究存在的问题进行总结,并展望了该领域面临的挑战和未来发展方向。 展开更多
关键词 深度学习 视频质量评价(VQA) 客观评价 无参考 卷积神经网络(CNN)
在线阅读 下载PDF
无人驾驶深度学习模型组合剪枝算法 认领
17
作者 赵丽君 周永军 +3 位作者 汤小红 蒋淑霞 董寅宾 廖慕钦 《传感器与微系统》 2021年第3期127-129,共3页
首先对网络模型进行正则化,提高网络泛化能力及模型稀疏度;接着采用组合剪枝算法,先对卷积层卷积核进行删减,再对全连接层权重进行删减。剪枝过程分多次进行,每次剪枝后通过再训练以恢复模型分类识别性能。实验结果表明:提出的组合剪枝... 首先对网络模型进行正则化,提高网络泛化能力及模型稀疏度;接着采用组合剪枝算法,先对卷积层卷积核进行删减,再对全连接层权重进行删减。剪枝过程分多次进行,每次剪枝后通过再训练以恢复模型分类识别性能。实验结果表明:提出的组合剪枝算法能够在保证VGG—16网络对车辆数据集分类识别率保持在92.84%的情况下,对网络模型压缩了79%,加速3.38倍。 展开更多
关键词 无人驾驶 卷积神经网络 权重剪枝 卷积核剪枝 组合剪枝
在线阅读 下载PDF
文章速递改进胶囊网络优化分层卷积的亚健康识别算法 认领
18
作者 张利 邱存月 +2 位作者 张凯鑫 张大波 罗浩 《计算机科学与探索》 CSCD 北大核心 2021年第4期712-722,共11页
针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,... 针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,更好地保留原始信号中对亚健康识别有用的信息;其次,CNN采用分层卷积的思想,并行3个不同尺度的卷积核,多角度地进行特征提取;最后,将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别,改进的胶囊网络在保证准确率的同时加快亚健康识别时间,解决CNN结构过于复杂以及识别效果不佳的问题。实验结果表明,提出算法识别准确率高且识别时间较少。 展开更多
关键词 亚健康识别 卷积神经网络(CNN) 胶囊网络 小波降噪 小波包降噪
在线阅读 下载PDF
基于BERT的心血管医疗指南实体关系抽取方法 认领
19
作者 武小平 张强 +1 位作者 赵芳 焦琳 《计算机应用》 北大核心 2021年第1期145-149,共5页
实体关系抽取是医疗领域知识问答、知识图谱构建及信息抽取的重要基础环节之一。针对在心血管专病知识图谱构建的过程中尚无公开数据集可用的情况,收集了心血管疾病领域的医疗指南并进行相应的实体和关系类别的专业标注,构建了心血管专... 实体关系抽取是医疗领域知识问答、知识图谱构建及信息抽取的重要基础环节之一。针对在心血管专病知识图谱构建的过程中尚无公开数据集可用的情况,收集了心血管疾病领域的医疗指南并进行相应的实体和关系类别的专业标注,构建了心血管专病知识图谱实体关系抽取的专业数据集。基于该数据集,首先提出双向变形编码器卷积神经网络(BERT-CNN)模型以实现中文语料中的关系抽取,然后根据中文语义中主要以词而不是字为基本单位的特性,提出了改进的基于全词掩模的双向变形编码器卷积神经网络(BERT(wwm)-CNN)模型用于提升在中文语料中关系抽取的性能。实验结果表明,改进的BERT(wwm)-CNN在所构建的关系抽取数据集上准确率达到0.85,召回率达到0.80,F1值达到0.83,优于对比的基于双向变形编码器长短期记忆网络(BERT-LSTM)模型和BERT-CNN模型,验证了改进网络模型的优势。 展开更多
关键词 实体关系抽取 心血管疾病 双向变形编码器网络 卷积神经网络 知识图谱
在线阅读 下载PDF
基于汇聚CNN和注意力增强网络的遮挡人脸检测方法 认领
20
作者 项丽萍 杨红菊 《数据采集与处理》 北大核心 2021年第1期95-102,共8页
针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法。首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值。然后,将多个增强特征图组合成附... 针对现实场景中遮挡人脸检测精度低的问题,提出了一种基于汇聚CNN和注意力增强网络的遮挡人脸检测方法。首先,在主网络的多层原始特征图上,通过有监督学习的方法增强原始特征图中人脸可见部分的响应值。然后,将多个增强特征图组合成附加增强网络与主网络汇聚设置,以加快对多尺度遮挡人脸的检测速度。最后,将有监督信息分散到各个尺寸的特征图上进行监督学习,为不同尺寸的特征图设置了基于锚框尺寸的损失函数。在WIDER FACE和MAFA数据集上的实验结果表明,该方法的检测精度高于当前主流人脸检测方法。 展开更多
关键词 遮挡人脸检测 卷积神经网络 注意力增强网络 有监督学习 多尺度
在线阅读 下载PDF
上一页 1 2 46 下一页 到第
使用帮助 返回顶部 意见反馈