|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 深层卷积神经网络的目标检测算法综述显示文摘随着深度学习的发展,卷积神经网络在目标检测中取得了一系列研究成果.相比基于人工特征构造的传统的目标检测算法,基于深层卷积神经网络的算法具有特征自动提取,泛化能力强的优点,有较好的鲁棒性.本文首先介绍了卷积神经网络在目标检测基础任务图像分类上的进展,然后按照目标检测算法评价指标、算法框架以及公共数据集三个方面重点分析和比较近年来基于深度学习模型的目标检测算法的研究情况,最后对目标检测算法未来的发展进行展望. | 张泽苗 霍欢 赵逢禹 | 2019 | 小型微型计算机系统2019，40，9： | 59 |
| 2 | 基于ECA-Net与多尺度结合的细粒度图像分类方法显示文摘针对细粒度图像分类问题提出了一种有效的算法以实现端到端的细粒度图像分类。ECA-Net中ECA(efficient channel attention)模块是一种性能优势显著的通道注意力机制,将其与经典网络ResNet-50进行融合构成新的基础卷积神经网络ResEca;通过物体级图像定位模块与部件级图像生成模块生成物体级图像和部件级图像,并结合原始图像作为网络的输入,构建以ResEca为基础的三支路网络模型Tb-ResEca-Net(three branch of ResEca network)。该算法在公有数据集CUB-200-2011、FGVC-aircraft和Stanford cars datasets上进行测试训练,分别取得了89.9%、95.1%和95.3%的准确率。实验结果表明,该算法相较于其他传统的细粒度分类算法具有较高的分类准确率以及较强的鲁棒性,是一种有效的细粒度图像分类方法。 | 毛志荣 都云程 肖诗斌 施水才 | 2021 | 计算机应用研究2021，38，11： | 15 |
| 3 | 基于多通道视觉注意力的细粒度图像分类显示文摘视觉注意力机制在细粒度图像分类中得到了广泛的应用。现有方法多是构建一个注意力权重图对特征进行简单加权处理。对此,本文提出了一种基于可端对端训练的深度神经网络模型实现的多通道视觉注意力机制,首先通过多视觉注意力图描述对应于视觉物体的不同区域,然后提取对应高阶统计特性得到相应的视觉表示。在多个标准的细粒度图像分类测试任务中,基于多通道视觉注意的视觉表示方法均优于近年主流方法。 | 王培森 宋彦 戴礼荣 | 2019 | 数据采集与处理2019，34，1： | 14 |
| 4 | 基于卷积神经网络的多尺度葡萄图像识别方法显示文摘葡萄品种质量检测需要识别多类别的葡萄,而葡萄图片中存在多种景深变化、多串等多种场景,单一预处理方法存在局限导致葡萄识别的效果不佳。实验的研究对象是大棚中采集的15个类别的自然场景葡萄图像,并建立相应图像数据集Vitis-15。针对葡萄图像中同一类别的差异较大而不同类别的差异较小的问题,提出一种基于卷积神经网络(CNN)的多尺度葡萄图像识别方法。首先,对Vitis-15数据集中的数据通过三种方法进行预处理:旋转图像的数据扩增方法、中心裁剪的多尺度图像方法以及前两种方法的数据融合方法;然后,采用迁移学习方法和卷积神经网络方法来进行分类识别,迁移学习选取ImageNet上预训练的InceptionV3网络模型,卷积神经网络采用AlexNet、ResNet、InceptionV3这三类模型;最后,提出适合Vitis-15的多尺度图像数据融合的分类模型MS-EAlexNet。实验结果表明,在同样的学习率和同样的测试集上,数据融合方法在MS-EAlexNet上的测试准确率达到了99.92%,相较扩增和多尺度图像方法提升了近1个百分点,并且所提方法在分类小样本数据集上具有较高的效率。 | 邱津怡 罗俊 李秀 贾伟 倪福川 冯慧 | 2019 | 计算机应用2019，39，10： | 14 |
| 5 | 面向细粒度图像分类的双线性残差注意力网络显示文摘细粒度图像之间具有高度相似的外观,其差异往往体现在局部区域,提取具有判别性的局部特征成为影响细粒度分类性能的关键.引入注意力机制的方法是解决上述问题的常见策略,为此,在双线性卷积神经网络模型的基础上,提出一种改进的双线性残差注意力网络:将原模型的特征函数替换为特征提取能力更强的深度残差网络,并在残差单元之间分别添加通道注意力和空间注意力模块,以获取不同维度、更为丰富的注意力特征.在3个细粒度图像数据集CUB-200-2011、StanfordDogs和Stanford Cars上进行消融和对比实验,改进后模型的分类准确率分别达到87.2%、89.2%和92.5%.实验结果表明,相较原模型及其他多个主流细粒度分类算法,本文方法能取得更好的分类结果. | 王阳 刘立波 | 2020 | 激光与光电子学进展2020，57，12： | 11 |
| 6 | 融合改进YOLOv2网络的视觉多目标跟踪方法显示文摘针对现有视觉目标跟踪方法精度不高的实际问题,提出了一种融合改进YOLOv2网络的视觉多目标跟踪方法.首先,优化了原有YOLOv2网络结构以提高视觉多目标检测的可靠性.然后,结合Deep-SORT的多目标实时跟踪方法克服了YOLOv2在检测阶段存在的帧间信息被忽略的缺陷.针对目标遮挡情况,提出了目标状态变化率修正策略,移植轻量级神经网络的深度可分离卷积取代特征提取网络中的普通卷积,提高了跟踪的整体性能.最后,采用运动匹配与表观匹配加权融合的方法确定目标的最优位置,实现视觉多目标跟踪. | 昝珊珊 李波 | 2020 | 小型微型计算机系统2020，41，12： | 9 |
| 7 | 基于迁移学习和双线性CNN的细粒度菌菇表型识别显示文摘为了对细粒度菌菇进行表型识别,在双线性卷积神经网络细粒度图像识别框架基础上,提出了一种基于迁移学习和双线性Inception-ResNet-v2网络的菌菇识别方法。利用Inception-ResNet-v2网络的特征提取能力,结合双线性汇合操作,提取菌菇图像数据的细粒度特征,采用迁移学习将ImageNet数据集上预训练的模型参数迁移到细粒度菌类表型数据集上。试验表明,在开源数据集和个人数据集上,识别精度分别达到87.15%和93.94%。开发了基于Flask框架的在线菌类表型识别系统,实现了细粒度菌菇表型的在线识别与分析。 | 袁培森 申成吉 徐焕良 | 2021 | 农业机械学报2021，52，7： | 9 |
| 8 | 煤矿安全隐患智能语义采集与智慧决策支持系统显示文摘针对现有煤矿安全隐患智能语义采集与决策系统存在欠缺智能语义提取功能和多属性互联检索分析与决策功能、智能化程度不高等问题,设计了一种基于改进卷积神经网络(CNN)和蚁群算法(ACO)的煤矿安全隐患智能语义采集与智慧决策支持系统。该系统采用基于CNN的智能语义采集模型,利用CNN算法匹配出相似度最高的近义关键词,通过映射表关联到标准关键词,解决了相近语义的关键词匹配精度不高的问题;采用基于ACO的智慧检索模型,通过ACO算法负反馈和正向加强的方式标记高频度检索条例,实现了被检索的高频度条例的智能显示。实验与应用结果表明,该系统可实现多属性语义关键词的互联查询、高频度检索条例的智能显示、隐患问题相关数据的实时跟踪、数据统计图的多样化显示、决策分析预警简报的智能生成等功能。 | 陈梓华 李敬兆 | 2018 | 工矿自动化2018，44，11： | 6 |
| 9 | 基于多视角融合的细粒度图像分类方法显示文摘细粒度图像分类的目标是区分同一个常见类下的不同子类,由于数据集往往存在较大的类内差异和较大的类间相似性,细粒度图像分类相比于传统图像分类具有更大的挑战性。以往工作中,基于组件的方法和基于注意力的方法致力于挖掘图像中的显著性区域,而忽视了用来区分易混淆类别的微弱差异。为了解决以上问题,本文提出了一个基于多视角融合的细粒度图像分类方法,包含两个分支,其中一个分支基于特征图挖掘图像的细粒度特征,另一个分支则学习图像的全局特征。同时引入一种嵌入损失,与传统多分类交叉熵损失函数结合增强特征的判别性,进而提升模型的分类性能。所提方法仅使用图像级标签,在CUB-200-2011,Stanford Cars和FGVC Aircraft这三个基准数据集上的分类准确率分别达到了88.3%,94.3%和92.4%,实验结果表明所提方法相比其他细粒度图像分类方法具有一定的优越性。 | 黄伟锋 张甜 常东良 闫冬 王嘉希 王丹 马占宇 | 2020 | 信号处理2020，36，9： | 5 |
| 10 | 基于U-Dense-net网络的DSA图像冠状动脉血管分割显示文摘冠状动脉血管是研究心血管疾病的重要基础,为准确分割DSA(Digital subtraction angiography)图像冠状动脉血管,提高训练过程中血管特征的有效利用率,提出了一种基于U-Dense-net网络的分割方法。该方法首先对数据集进行限制对比度直方图均衡化预处理;然后对预处理结果进行图像粗分割,基于U-Dense-net网络,在解码器部分融合密集残差块和注意力机制实现深度神经网络模型,加强特征映射,充分提取局部特征,实现血管与背景的分类;最后利用形态学处理、阈值分割、基于多点区域生长的连通域分析进行图像细分割,实现血管的提取。将测试结果和3位专家手工标注的标准图进行对比分析,结果表明:该数据集的分割结果精确率、召回率、F1分数分别为83.22%、89.81%、86.04%,3种特性曲线下的平均面积为0.9923。与其他方法比较,该方法提取到的血管信息较为完整,为精确分割冠状动脉血管提供了一种解决方案。 | 王卓英 童基均 蒋路茸 潘哲毅 | 2021 | 浙江理工大学学报(自然科学版)2021，45，3： | 5 |
| 11 | 基于深度学习与中医数据的多标签分类算法显示文摘针对中医八纲辨证诊断模型因人工设定参数不准确导致模型训练时间过长、无法收敛和易忽略症状与证型间的一对多关系导致诊断结果存在证型遗漏的问题,提出利用深度置信网络RBM机制,通过对输入的样本特征向量逐层进行拟合获得模型最佳权重与阈值,从而解决参数设定问题;同时采用二元关联多标签分类算法解决一对多关系,提高诊断结果准确率。实验表明,改进后的算法有效可行。 | 安伟涛 薛安荣 张宇 | 2019 | 软件导刊2019，18，3： | 5 |
| 12 | 基于多特征组合的细粒度图像分类方法显示文摘针对单一特征表示的局限性会导致细粒度图像分类准确度不高的问题,提出了一种基于卷积神经网络(CNN)和尺度不变特征转换(SIFT)的多特征组合表示方法,综合考虑对目标整体、关键部位和关键点的特征提取。首先,分别以细粒度图像库中的目标整体和头部区域训练CNN得到两个网络模型,用来提取目标的整体和头部CNN特征;然后,对图像库中所有目标区域提取SIFT关键点并通过K均值(K-means)聚类生成码本,再将每个目标区域的SIFT描述子通过局部特征聚合描述符(VLAD)参照码本编码为特征向量;最后,组合多种特征作为最终的特征表示,采用支持向量机(SVM)对细粒度图像进行分类。使用该方法在CUB-200-2011数据库上进行实验,并与单一的特征表示方法进行了比较。实验结果表明,该方法与基于单一CNN特征的细粒度图像分类相比提升了13.31%的准确度,证明了多特征组合对细粒度图像分类的积极作用。 | 邹承明 罗莹 徐晓龙 | 2018 | 计算机应用2018，38，7： | 5 |
| 13 | 基于空洞卷积神经网络的金刚石图像语义分割显示文摘为准确分割金刚石颗粒图像,基于空洞卷积网络构建图像语义分割模型。以自建的小型金刚石颗粒图像数据集为基础,对所建模型的批处理规模、卷积层过滤器数量和膨胀系数等超参数进行调优。对比调优后的空洞卷积网络与传统的全局阈值法、自适应阈值法对金刚石颗粒图像的分割能力。研究结果表明:批处理规模、卷积层过滤器数量和膨胀系数等参数对网络的分割能力有重要影响;空洞卷积网络在0.965的精确度下可达到0.966的召回率,性能明显高于传统方法的,尤其是较好地解决了金刚石颗粒上亮斑的归类问题。 | 潘秉锁 潘文超 刘子玉 | 2019 | 金刚石与磨料磨具工程2019，39，6： | 4 |
| 14 | 基于多粒度空间混乱的细粒度图像分类算法显示文摘细粒度图像分类是计算机视觉领域一个具有挑战性的任务,在实际场景中具有很高的应用价值。其中不同子类别的物体整体轮廓差异较小,微小的判别性局部区域是分类的关键。然而,这些重要的局部区域的尺度可能不同,不能用单一的标准去衡量它们。为了解决这个问题,本文提出了多粒度空间混乱模块来帮助神经网络学习如何寻找到不同尺度的判别性细节。该模块首先将图片划分为不同粒度的局部区域,然后随机打乱并重组构成新的输入图片。经过处理的图片具有区域无关性,从而迫使网络更好地在不同粒度层次下寻找有判别力的局部区域并从中学习特征。在3个广泛使用的细粒度图像分类数据集上的实验证明本文提出的模块可以有效地帮助网络寻找判别性局部区域从而提升了准确率并且网络不需要图片的任何部位标注信息。 | 宋思雨 苗夺谦 | 2022 | 智能系统学报2022，17，1： | 4 |
| 15 | 基于注意力神经网络的糖尿病视网膜病变识别显示文摘针对目前糖尿病视网膜病变识别主要依赖于医生的临床经验,病变特征难以用肉眼区分且识别率较低等问题,提出一种基于注意力神经网络的糖尿病视网膜病变分类方法。首先,对原始数据集中的视网膜图像进行归一化、直方图均衡化和数据增强等预处理;其次,调整经典的DenseNet,在避免梯度消失和保证分类精度的前提下,有针对性地减少连接数,提出了2-DenseNet,同时将注意力模块嵌入到2-DenseNet中,指导网络关注视网膜图像中的渗出物、厚血管和微动脉瘤等特征,使用改进后的网络对预处理后的图像进行训练并测试;最后,在公开的Kaggle数据集上对多个网络进行对比,实验结果表明,该网络对糖尿病视网膜病变的分类性能高于其他对比网络。 | 张彤 孟亮 | 2022 | 计算机工程与科学2022，44，3： | 3 |
| 16 | 基于增强多重注意力机制的深度神经网络的细粒度检测显示文摘现有的基于注意力机制的细粒度图像识别方法大多都没有考虑目标局部的相关性,而且以往大多数方法都用多阶段或者多尺度机制,导致效率不高且难以端到端训练。本文提出的方法能调节不同输入图像的不同部位的关系。基于上述思路的注意力机制的方法去学习每幅图的每个关注区域特征,再用增强多重注意力机制强化这一效果,让同类别图像具有类似的注意力机制,而不同类别的图像具有不一样的注意力机制,同时也能够进行端到端训练。 | 周晨轶 冯宇 徐亦白 卢杉 | 2019 | 计算机与现代化2019，0，9： | 3 |
| 17 | 基于改进双线性细粒度模型的压板状态识别显示文摘在变电站二次侧管理中,压板承担着重要作用。针对现有压板状态识别方法效果不理想的问题,提出了一种融合注意力机制的双线性细粒度压板状态识别方法。首先,通过注意力机制将注意力集中到压板接触部分;然后,利用双线性细粒度模型将重点集中到与压板开闭相关的关键区域;最后,从关键区域中提取有效的特征以实现对压板状态的准确识别。实验结果表明,本方法能实现压板状态的端到端识别,识别准确率可达到98%;且相比传统方法,本方法的精确率、召回率均有明显提升。 | 杨倩文 周克 | 2021 | 激光与光电子学进展2021，58，20： | 3 |
| 18 | 基于Deep learning技术的医学影像分割研究显示文摘针对传统图像分割方法对于形状起伏较大和边界模糊的目标无法获得较高分割精度的问题,文中提出使用深度学习方法分割医学图像以辅助医生进行诊断和治疗。使用卷积层、池化层和反卷积层设计了一个包含5个卷积层、3个池化层和1个反卷积层端到端的卷积神经网络,使网络可以获得与输入图像尺寸一致的输出。使用50组临床胸部CT图像的仿真与测试结果表明,所提出的深度神经分割网络能较好地实现端到端分割出胸部CT图像,网络各卷积层对不同的组织与结构均具有不同的响应值。 | 陈迪 李宁 | 2019 | 电子设计工程2019，27，4： | 2 |
| 19 | 基于FPGA的双源无轨电车的改进型YOLO-V3模型显示文摘为实现双源无轨电车对集电盒的智能识别和挂载,基于第三版传统黑暗网络的主干网络单次检测(YOLO-V3)网络模型,提出以轻量化移动网络为主干网络的改进型YOLO-V3网络。通过数据集的处理、模型的设计、训练环境的搭建等完成了网络的部署,然后对模型规模、识别精度和处理速度等指标进行比较。结果显示改进型YOLO-V3网络使用更小的计算资源得到更优精度。网络部署在FPGA内部中央处理器的分散处理单元中。实车测试结果表明,改进网络明显优于其他传统网络。 | 董宜平 谢达 钮震 彭湖湾 贾尚杰 | 2022 | 电子与封装2022，22，8： | 2 |
| 20 | 基于非对称双路识别网络的步态识别方法显示文摘步态作为一种人体躯干、关节、上下肢及各肌群的周期性行为模式,是可用于身份识别过程的一种重要生物特征。针对现有的步态识别方法大都是基于步态轮廓图或者步态能量图提取的全局特征,而忽视了对细粒度步态信息的有效利用的问题,提出了一种包括全局通路和局部通路的非对称双路识别网络。其中全局通路采用三元组损失函数,用于提取步态的全局时空特征;局部通路采用交叉熵损失函数,用于识别步态中显著不同的局部特征。此外,在局部通路中加入了一个显著性特征检测器模块,用于实现有效的细粒度步态信息识别。在公开数据集CASIAB和OU-ISIR-LP上进行了对比实验,结果表明,在跨视角和跨场景的环境下,该方法相对现有方法在步态识别的准确率方面都有显著提升。 | 周潇涵 王修晖 | 2022 | 计算机工程与应用2022，58，4： | 2 |
您所在的机构暂未开通此部分的功能，请联系管理员