我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

一种基于变分自编码器的高光谱图像分类方法 下载：84 浏览：492

徐朋磊 薛朝辉 车子杰 《测绘科学与技术》 2020年3期

摘要:
深度学习可以有效表达影像的深层特征,在遥感图像处理特别是在分类方面取得了良好的效果。提出了一种基于变分自编码网络的高光谱遥感影像深度学习分类方法,该方法利用变分自编码器进行无监督训练,用分类层替换解码层,输入训练样本进行分类网络的微调,最后在分类器预测的类别概率图基础上使用条件迭代模型求解马尔可夫随机场,对分类结果进行优化。在两幅通用高光谱数据集上进行分类实验,结果表明基于变分自编码器的高光谱遥感影像分类方法取得了优于其它方法的分类效果。

高光谱图像分类的融合分层深度网络联合稀疏表示算法 下载：47 浏览：362

王军浩 闫德勤 刘德山 闫汇聪 ​ 《人工智能研究》 2020年8期

摘要:
在高光谱图像分类领域中每个像素的局部邻域一旦包含来自不同类别的样本,联合稀疏表示将受邻域内字典原子与测试样本之间同谱异类的影响,严重降低分类性能.根据高光谱图像的特点,文中提出融合分层深度网络的联合稀疏表示算法.在光谱和空间特征学习之间交替提取判别性光谱信息和空间信息,构建兼具空谱特征的学习字典,用于联合稀疏表示.在分类过程中将学习字典与测试样本间的相关系数与分类误差融合并决策.在两个高光谱遥感数据集上的实验验证文中算法的有效性.

融合人类认知网络优化的中国画情感识别 下载：57 浏览：383

盛家川1 陈雅琦1 王君2 李亮3,4 《人工智能研究》 2020年4期

摘要:
现有中国画研究缺少对画作情感的分析,但画家将生活感悟寄情于美术创作,升华国画的艺术价值.基于此种情况,文中提出融合人类认知优化深度学习网络结构的中国画情感识别算法.首先,根据图像显著性和笔道复杂度提出中国画感兴趣区域提取算法.再使用可视化卷积神经网络提取国画情感特征,并交互式地融合国画情感表达手法知识优化网络结构.最后微调构建的网络预测国画情感.实验将1 000幅中国画分为4种情感类别,准确率较高,识别效果较优.消融实验与可视化实验分析网络各层作用,进一步验证文中算法识别中国画情感的能力.

双分支迭代的深度增量图像分类方法 下载：54 浏览：376

何丽 韩克平 朱泓西 刘颖 《人工智能研究》 2020年4期

摘要:
针对深度增量学习可能产生灾难性遗忘的问题,提出双分支迭代的深度增量图像分类方法,使用主网络存储旧类知识,分支网络学习增量数据中的新类知识,并在增量过程中使用主网络的权重优化分支网络的参数.使用基于密度峰值聚类的方法从迭代数据集中筛选典型样本并构建保留集,并加入增量迭代训练中,减轻灾难性遗忘.实验表明,文中方法的性能较优.

基于稀疏化双线性卷积神经网络的细粒度图像分类 下载：382 浏览：387

马力1 王永雄2 《人工智能研究》 2019年8期

摘要:
针对双线性卷积神经网络(B-CNN)在细粒度图像分类中因参数过多、复杂度过高而导致的过拟合问题,提出稀疏化B-CNN.首先对B-CNN的每个特征通道引入比例因子,在训练中采用正则化方法对其稀疏.然后利用比例因子的大小判别特征通道的重要性.最后将不重要特征通道按一定比例裁剪,消除网络过拟合,提高关键特征的显著性.稀疏化B-CNN属于弱监督学习,可实现端到端训练.在FGVC-aircraft、Stanford dogs、Stanford cars这3个细粒度图像数据集上的实验表明,稀疏化B-CNN的准确率高于B-CNN,也优于或基本接近其它通用的细粒度图像分类算法.

多特征融合的金属断口图像分类 下载：79 浏览：466

黎明1 邢冬冬1 汪宇玲2 鲁宇明1 《人工智能研究》 2018年9期

摘要:
为了进一步加强金属断口图像特征的鉴别能力,提高断口图像的识别率,提出基于全局与局部纹理特征的多特征融合算法.首先利用Trace变换提取图像全局纹理特征,局部二值模式提取图像局部纹理特征.然后采用动态加权鉴别能量分析对2种特征进行优选和自适应加权融合.最后采用支持向量机进行分类识别.在金属断口图像库上实验表明,文中方法识别率较高,在其它的纹理数据库上具有较好的泛化能力.

基于深度学习的航空摄影测量技术分析及研究 下载：81 浏览：1035

徐标 《中国航空航天科学》 2024年8期

摘要:
本论文旨在探讨深度学习技术在航空摄影测量中的应用，以提高地图制图、地理信息系统和土地管理等领域的效率和精度。通过综合研究现有文献和技术，本文提出了深度学习在航空摄影测量中的三个关键应用方向，包括特征提取与匹配、三维重建和遥感图像分类。在每个应用方向中，分析了深度学习的具体方法和技术，并讨论了其优点和挑战。最后，本文强调了跨学科合作和国际合作的重要性，以推动深度学习在航空摄影测量中的应用。通过本文的研究，可以为相关领域的研究者提供有关深度学习技术的详尽信息，以指导未来的研究和实践。

[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享