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

基于GoogLeNet Inception V3的迁移学习研究 下载：41 浏览：277

薛晨兴 张军 邢家源 《无线电研究》 2020年5期

摘要:
随着人工智能的再度崛起,使用深度学习模型进行图像分类的方法得到了广泛关注。针对典型深度卷积神经网络模型是在大型数据库和大算力的基础上进行训练得到的,但普通机器学习工作者很难拿到如此规模的数据集和算力现象,本文在GoogLeNet Inception V3深度学习模型的基础上,对GoogLeNet的特征提取模块进行迁移学习来训练特定的模型进行图像分类。实验结果表明,在硬件和数据集相对不足的条件下,采用迁移学习的策略可以高效地实现目标检测。

基于有效感受野的区域推荐网络 下载：42 浏览：360

张绳昱1,2 董士风2 焦林2 王琦进2 王红强2 《人工智能研究》 2020年10期

摘要:
基于卷积神经网络的目标检测方法通过优化区域推荐达到较高的检测精度.由此,文中提出基于有效感受野的区域推荐网络.在区域推荐网络上引入基于有效感受野的样本匹配方法,强化基于交叠比的样本匹配规则,增强特征信息在区域推荐生成时的表征能力,减少锚定框和区域推荐数目,简化锚定框参数设置.结合快速区域的卷积神经网络检测器后,在Pascal VOC数据集上的检测精度有所提升,这表明文中方法是有效的.

基于混合关节肢体模型的深度人体姿态估计方法 下载：358 浏览：388

刘秉瀚1 李振达2 柯逍2 《人工智能研究》 2019年5期

摘要:
提出基于关节外观和关节间空间关系的模型与深层神经网络结构(DCNN)相结合的混合模型,解决人体姿态估计问题.首先,对人体构建图像模型以表示人体关节与肢体.然后,根据标注信息将图像分解为以关节为中心的若干图像块,作为训练输入数据.最后,得到一个可以解决多个分类的DCNN网络,用于人体姿态估计.文中方法对人体表示更灵活,有效提升关节点的检测率及正确检测的比率.

基于深度卷积神经网络End-to-End模型的亲属关系认证算法 下载：79 浏览：484

胡正平1 郭增洁1 王蒙1 孙德刚2 任大伟1 《人工智能研究》 2018年10期

摘要:
针对如何利用人脸图像进行亲属关系认证的问题,提出基于深度卷积神经网络End-to-End模型的亲属关系认证算法.首先,构建一个包含卷积层、全连接层和soft-max分类层的深度卷积神经网络模型.卷积层可以提取亲子图像的隐性特征,全连接层可以将提取的隐性特征映射为亲属关系认证的二分类问题,soft-max分类层可以直接判断该对样本是否具有亲属关系.然后,将成对的标记训练数据输入网络进行迭代,优化深度网络模型参数,直至损失曲线稳定.最后,利用训练完毕的深度网络模型对输入测试图像对进行分类判决,通过统计得到最终的准确率.在KinFaceWI和KinFaceWII数据库上的结果显示,相比以往的亲属关系认证算法,文中模型具有更好的性能.

基于深度卷积网络的目标检测综述 下载：79 浏览：475

吴帅1 徐勇1 赵东宁1,2 《人工智能研究》 2018年7期

摘要:
在基于区域的卷积神经网络提出后,深度卷积网络开始在目标检测领域普及,更快的基于区域的卷积神经网络将整个目标检测过程合成在一个统一的深度网络框架上.随后YOLO和SSD等目标检测框架的提出进一步提升目标检测的效率.文中系统总结基于深度网络的目标检测方法,归为2类:基于候选窗口的目标检测框架和基于回归的目标检测框架.基于候选窗口的目标检测框架首先需要在输入的图像上产生很多的候选窗口,然后对这些候选窗口进行判别.这里的判别包括:对窗口包含物体的类别（包括背景）进行判断、对窗口的位置进行回归.基于回归的目标检测方法将图像目标检测看作是一个回归的过程.在此基础上,在PASCALVOC和COCO等主流数据库上对比目前两类目标检测框架中的主流方法,分析两类方法各自的优势.最后根据当前深度网络目标检测方法的发展趋势,对目标检测方法未来的研究热点做出合理预测.

基于细节点柱形编码和深度卷积特征的指纹检索方法 下载：92 浏览：495

宋德华 封举富 《人工智能研究》 2018年2期

摘要:
指纹检索方法使用细节点柱形编码作为特征,充分考虑指纹细节点的局部结构特征,却忽略指纹的整体结构特征,限制指纹检索的准确率.基于此种问题,文中提出基于细节点柱形编码和深度卷积特征的指纹检索方法.使用深度卷积网络学习指纹的整体结构特征(深度卷积特征),并结合深度卷积特征和细节点柱形编码,提升指纹检索的准确率.在3个经典指纹检索数据库上通过实验分析深度卷积特征的特性.实验表明,文中方法有效提升指纹检索的准确率.

采用深度卷积神经网络的识别故障结果及处理故障方法总结 下载：314 浏览：3151

朱集锦 《神经科学研究》 2021年9期

摘要:
本文主要对深度卷积神经网络相关内容进行分析，其中着重探究深度卷积神经网络识别故障结果及处理故障方法。对上述内容分析，有利于提升故障诊断的可靠性、准确率，提升故障处理的效率和质量。通过对上述相关内容的分析，以期为相关工作人员提供参考借鉴。

深度卷积神经进行四大机床电气故障分析探讨 下载：517 浏览：5212

朱集锦 《神经科学研究》 2021年8期

摘要:
机床一旦产生故障对整个生产有很大的影响，本文利用深度卷积神经网络构建模型对电气故障的图像进行训练学习，模型运行过程中，将收集到的图像输入模型内进行样本训练，构建的网络神经系统故障识别系统，并分析其结果与其他诊断故障方法进行对比，综合比较得出，深度卷积神经的应用得出较高的故障排除准确率。

基于tensorflow的深度卷积神经网络卷积运算的模块化编程教学设计 下载：251 浏览：5272

卢洪斌1 刘寒刚2 《神经科学研究》 2021年4期

摘要:
深度卷积神经网络是图像分类和图像识别领域取得重大突破的核心所在，本文基于tensorflow平台对深度卷积神经网络模型编程的方法进行了模块划分和模块组合的教学设计，通过把复杂的深度卷积神经网络中的卷积运算划分为不同功能模块的组合，使初学者对深度卷积神经网络的卷积运算提取图像特征的过程和具体代码实现更易于理解和掌握，可有效地提高教学效果。
[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