期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到121篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
DenseNet网络下交叉焊缝裂纹红外成像检测
1
作者 王红梅 强彦 《激光与红外》 北大核心 2025年第8期1253-1258,共6页
交叉焊缝结构复杂,连接方式不同于对接焊缝,易出现裂纹缺陷。焊缝外形轮廓漏磁信号与缺陷信号叠加,使基于电磁信号的检测方法难以提取裂纹特征,增加检测难度。为此提出基于DenseNet网络的红外成像检测方法,采用红外成像装置扫描交叉焊... 交叉焊缝结构复杂,连接方式不同于对接焊缝,易出现裂纹缺陷。焊缝外形轮廓漏磁信号与缺陷信号叠加,使基于电磁信号的检测方法难以提取裂纹特征,增加检测难度。为此提出基于DenseNet网络的红外成像检测方法,采用红外成像装置扫描交叉焊缝生成红外图像,可避免信号叠加问题。将图像输入由密集块、平均池化层等构成的DenseNet模型,能有效提取裂纹缺陷特征。针对100个不同材质的交叉焊缝试件展开测试与评估,实验结果显示,该方法能够更清晰地呈现大部分裂纹缺陷,且仅有一次误将61号试件交叉焊缝表面上的气孔检测成了裂纹,且最大计算量不超过25FLOPs,具有较高的准确性与轻量级。 展开更多
关键词 交叉焊缝 表面裂纹 红外成像 densenet网络 缺陷检测
在线阅读 下载PDF
基于CAM-DenseNet模型的邮轮薄板焊缝缺陷识别算法
2
作者 黎林发 王岳 《造船技术》 2025年第1期78-84,共7页
邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutio... 邮轮薄板焊缝的熔深和熔宽相对较小,母材与焊缝区域差异性小,焊缝表面缺陷较难判别。为准确地定位焊缝位置,提出一种将注意力机制的坐标注意力模块(Coordinate Attention Module,CAM)融入密集链接卷积网络(Densely Connected Convolutional Networks,DenseNet)的邮轮薄板焊缝缺陷识别算法,建立CAM-DenseNet模型。将网络中的激活函数ReLU替换为更具有稳定性的ReLU6,并利用贝叶斯优化算法对CAM-DenseNet模型的超参数组合进行优化和选取。在焊接车间利用相机采集邮轮薄板焊缝三原色(Red Green Blue,RGB)图片,自建立邮轮薄板焊缝缺陷数据集,并按焊缝缺陷类型将数据集分为凹陷、气孔、毛刺、表面裂纹和无缺陷等5类。试验结果表明,CAM-DonseNet模型对邮轮薄板焊缝缺陷识别具有优异表现。 展开更多
关键词 邮轮 薄板 焊缝缺陷 识别算法 深度学习 密集链接卷积网络 坐标注意力模块 CAM-densenet模型 激活函数 贝叶斯优化算法
在线阅读 下载PDF
改进DenseNet模型作用下网络恶意入侵检测方法
3
作者 代祥宇 《软件》 2025年第6期170-174,共5页
传统IDS通常依赖手工设计的特征,这些特征可能无法充分捕捉到复杂的网络攻击模式。因此,本文提出改进DenseNet模型作用下网络恶意入侵检测方法。引入XPath,对网络检测数据进行采集与均衡化处理;建立焦点损失函数,对数据分类;基于改进Den... 传统IDS通常依赖手工设计的特征,这些特征可能无法充分捕捉到复杂的网络攻击模式。因此,本文提出改进DenseNet模型作用下网络恶意入侵检测方法。引入XPath,对网络检测数据进行采集与均衡化处理;建立焦点损失函数,对数据分类;基于改进DenseNet模型,实现入侵检测。对比实验结果表明,新的检测方法在实际应用中可以实现对多种不同攻击类型与正常数据的辨识,实现对网络恶意入侵的准确检测。 展开更多
关键词 改进densenet模型 恶意入侵 网络攻击模式 损失函数
在线阅读 下载PDF
引入全局上下文特征模块的DenseNet孪生网络目标跟踪 被引量：8
4
作者 谭建豪 殷旺 +1 位作者 刘力铭 王耀南 《电子与信息学报》 EI CSCD 北大核心 2021年第1期179-186,共8页
近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒... 近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒和局部的。针对此,该文提出一种引入全局上下文特征模块的DenseNet孪生网络目标跟踪算法。该文创新性地将DenseNet网络作为孪生网络骨干,采用一种新的密集型特征重用连接网络设计方案,在构建更深层网络的同时减少了层之间的参数量,提高了算法的性能,此外,为应对目标跟踪过程中的外观变化,该文将全局上下文特征模块(GC-Model)嵌入孪生网络分支,提升算法跟踪精度。在VOT2017和OTB50数据集上的实验结果表明,与当前较为主流的算法相比,该文算法在跟踪精度和鲁棒性上有明显优势,在尺度变化、低分辨率、遮挡等情况下具有良好的跟踪效果,且达到实时跟踪要求。 展开更多
关键词 目标跟踪 孪生网络 全局上下文特征 densenet网络
在线阅读 下载PDF
DenseNet模型轻量化改进研究 被引量：5
5
作者 舒军 蒋明威 +1 位作者 杨莉 陈宇 《华中师范大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第2期187-193,共7页
针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Sk... 针对深层DenseNet模型在小型数据集上的过拟合问题,提出了一种改进的轻量化DenseNet模型.首先,优化网络中密集连接块(Dense Block)数量和其内部网络结构;然后,提出一种自适应池化层方法,解决改进网络的特征图分辨率适应问题;最后,加入Skip Layer模块增强密集连接块间特征信息流通.实验结果表明,改进方法能够减少模型的参数量和计算量,有效解决了深层DenseNet的过拟合问题. 展开更多
关键词 densenet SKIP LAYER 深度网络 模型轻量化
在线阅读 下载PDF
基于改进DenseNet网络的转炉吹炼时期识别 被引量：2
6
作者 李爱莲 李晨筝 +2 位作者 王懿喆 崔桂梅 解韶峰 《济南大学学报（自然科学版）》 CAS 北大核心 2022年第3期273-277,共5页
针对炼钢生产中采用人工经验判断转炉吹炼时期准确率较低的问题,利用某钢厂转炉炉口火焰图像数据,提出一种基于深度学习的改进DenseNet网络转炉吹炼时期识别算法;该算法以DenseNet-121网络结构为基础进行裁剪,同时在分类层引入Center损... 针对炼钢生产中采用人工经验判断转炉吹炼时期准确率较低的问题,利用某钢厂转炉炉口火焰图像数据,提出一种基于深度学习的改进DenseNet网络转炉吹炼时期识别算法;该算法以DenseNet-121网络结构为基础进行裁剪,同时在分类层引入Center损失函数,并在100次模型训练中选取精度较高、拟合性较好的一次进行测试。结果表明:该算法通过特征复用,保证了分类精度,裁剪后的网络结构能够提升运算速度;在分类层引入Center损失函数能够改进相邻转炉吹炼时期分类模糊的情况,缩短了平均识别时间,分类的平均精度提高至91.75%。 展开更多
关键词 深度学习 转炉吹炼 图像识别 densenet网络 Center损失函数
原文传递
基于生成对抗网络和DenseNet的数据信息安全识别方法 被引量：5
7
作者 夏利玲 顾建华 《计算机测量与控制》 2022年第10期240-245,共6页
针对传统电力巡检过程中必须依靠有经验的人工来完成对电力设备相关数据信息安全进行识别的方法,设计了一种基于生成对抗网络和密集连接网络的数据信息安全识别方法,采用生成对抗网络模型,利用其强大的表征能力,通过针对网络模型的训练... 针对传统电力巡检过程中必须依靠有经验的人工来完成对电力设备相关数据信息安全进行识别的方法,设计了一种基于生成对抗网络和密集连接网络的数据信息安全识别方法,采用生成对抗网络模型,利用其强大的表征能力,通过针对网络模型的训练完成对训练样本数据库的扩充,实现提升模型生成能力的目的;结合密集连接网络对电力巡检数据信息的安全性进行识别,实现解决电力巡检安全隐患的同时还可以推动人工智能技术的落地应用;通过在电力巡检数据信息集上的验证实验,比较不同方法在不同类型数据集上的识别精度,验证了基于生成对抗网络和密集连接网络的数据信息安全识别方法的有效性与可靠性,为传统识别电力巡检数据信息安全性的方法提供了全新思路。 展开更多
关键词 生成对抗网络 densenet 电力巡检 电力设备 数据信息 安全识别
在线阅读 下载PDF
基于贝叶斯优化FCN-DenseNet算法的供水管网爆管智能识别 被引量：7
8
作者 彭森 程蕊 +2 位作者 程景 吴卿 田一梅 《安全与环境学报》 CAS CSCD 北大核心 2022年第1期306-315,共10页
为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优... 为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优化算法对识别模型的超参数组合进行优化和自动选取。以华东某园区的部分供水管网为研究对象,在建立水力模型的基础上,通过布置监测点和划分监测分区形成管网监测方案。综合考虑爆管位置、时间、流量、监测噪声及研究区域管网实际情况等因素,进行爆管工况模拟,建立爆管数据集,对识别模型进行训练和验证。结果表明,在验证数据集下,爆管区域平均识别率φ_(1)、φ_(2)分别可以达到93.5%、96.7%。贝叶斯优化的FCN-DenseNet算法增强了模型的性能和适用性,管网监测分区爆管可能性排序能够指导水司进行爆管分析和巡检。 展开更多
关键词 安全管理工程 供水管网 爆管识别 管网分区 全连接稠密网络 贝叶斯优化
原文传递
基于DenseNet的单目图像深度估计 被引量：4
9
作者 何通能 尤加庚 陈德富 《计算机测量与控制》 2019年第2期233-236,共4页
深度信息的获取是场景解析中是非常重要的环节,主要分为传感器获取与图像处理两种方法;传感器技术对环境要求很高,因此图像处理为更通用的方法;传统的方法通过双目立体标定,利用几何关系得到深度,但仍因为环境因素限制诸多;因此,作为最... 深度信息的获取是场景解析中是非常重要的环节,主要分为传感器获取与图像处理两种方法;传感器技术对环境要求很高,因此图像处理为更通用的方法;传统的方法通过双目立体标定,利用几何关系得到深度,但仍因为环境因素限制诸多;因此,作为最贴近实际情况的方法,单目图像深度估计具有极大研究价值;为此,针对单目图像深度估计,提出了一种基于DenseNet的单目图像深度估计方法,该方法利用多尺度卷积神经网络分别采集全局特征、局部特征;加入了DenseNet结构,利用DenseNet强特征传递、特征重用等特点,优化特征采集过程;通过NYU Depth V2数据集上验证了模型的有效性,实验结果表明,该方法的预测结果平均相对误差为0.119,均方根误差为0.547,对数空间平均误差为0.052。 展开更多
关键词 深度估计 卷积神经网络 多尺度 densenet
在线阅读 下载PDF
基于全卷积DenseNet的前列腺MRI分割新方法 被引量：4
10
作者 胡学刚 杨洪光 《计算机应用研究》 CSCD 北大核心 2020年第6期1886-1889,1894,共5页
前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学... 前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学习理论为基础,利用迁移学习的思想,将DenseNet从自然图像迁移到前列腺数据集;采用反卷积和类似U-Net的全卷积神经网络结构,实现端到端的图像分割。同时引入并改进Dice相似性损失函数以解决前列腺MRI中背景所占比例远远大于前列腺区域和一些像素难以准确分割等问题。通过在PROMISE12数据集上进行实验,提出的方法 Dice相似性系数达到93. 25%,Hausdorff距离小于1. 2 mm,相较于目前的主要方法,分割效果更好、所耗时间更短。 展开更多
关键词 前列腺MRI分割 densenet 全卷积神经网络 Dice损失函数
在线阅读 下载PDF
改进DenseNet的乳腺癌病理图像八分类研究 被引量：8
11
作者 赵晓平 王荣发 +1 位作者 孙中波 魏旭全 《计算机工程与应用》 CSCD 北大核心 2023年第5期213-221,共9页
目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机... 目前,在医学图像领域存在乳腺癌组织病理图像自动分类难以应用于临床诊断的现象,究其根源是当前没有大型公开的数据集或数据集数据不均衡。针对上述问题,提出一种结合密集卷积神经网络(dense convolutional network,DenseNet)、注意力机制(attention mecheanism)和焦点损失函数(Focal loss)的乳腺癌组织病理图像的多分类模型,即DAFLNet。DAFLNet在乳腺癌组织病理图像数据集BreaKHis上进行训练、验证与测试,最终实验结果显示,该模型对良恶性二分类的识别准确率达到99.1%,对乳腺亚型八分类的识别准确率达到95.5%。证明在数据不均衡的条件下,DAFLNet模型能够准确地对乳腺组织病理图像进行八分类。 展开更多
关键词 乳腺癌病理图像 densenet 八分类 注意力机制 Focal loss
在线阅读 下载PDF
基于DenseNet和ResNet融合的发动机孔探图像分类研究 被引量：6
12
作者 敖良忠 马瑞阳 杨学文 《计算技术与自动化》 2021年第3期105-110,183,共7页
孔探是检测发动机内部损伤最重要的手段之一。为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础。通... 孔探是检测发动机内部损伤最重要的手段之一。为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础。通过对某大修厂孔探数据和自建数据进行处理,完成了孔探图像分类数据集的构建;训练新型的49层网络模型,在自建数据集测试集上测试的准确率和平均召回率分别为96.0%和95.9%,有较好的泛化能力,可以有效的对发动机部件进行分类。 展开更多
关键词 发动机孔探 部件分类 densenet ResNet 深度神经网络
在线阅读 下载PDF
基于改进DenseNet的水果小目标检测 被引量：16
13
作者 徐利锋 黄海帆 +1 位作者 丁维龙 范玉雷 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第2期377-385,共9页
针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架.构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用.结合低层特征的高分辨... 针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架.构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用.结合低层特征的高分辨率和高层特征的高语义性,实现准确定位和预测小目标水果存在的目的.引入软阈值非极大值抑制(Soft-NMS)算法,改善簇状果实结构中检测框被误剔除的情况.与常用的Faster R-CNN网络相比,所提出的框架在苹果、芒果和杏3个数据集中的平均检测速度大于40 FPS,F1值分别为0.920、0.928、0.831,实现了检测效率及精度的提升. 展开更多
关键词 densenet 深度学习 水果小目标检测 特征金字塔网络(FPN) 软阈值非极大值抑制(Soft-NMS)
在线阅读 下载PDF
基于DenseNet网络深度学习法CT图像人工智能分析技术判断肺结节良恶性 被引量：30
14
作者 戴正行 胡春洪 +4 位作者 王希明 陈琦 夏菁 姚柳 刘稳 《放射学实践》 北大核心 2020年第4期484-488,共5页
目的:通过与单纯人工阅片进行比较,探讨基于DenseNet网络深度学习的人工智能肺结节自动检测系统鉴别肺结节良恶性的价值和优势。方法:搜集2015年1月-2017年12月本院510例肺结节CT检查病例,由医师组(按照从事胸部CT诊断的年限分为高级医... 目的:通过与单纯人工阅片进行比较,探讨基于DenseNet网络深度学习的人工智能肺结节自动检测系统鉴别肺结节良恶性的价值和优势。方法:搜集2015年1月-2017年12月本院510例肺结节CT检查病例,由医师组(按照从事胸部CT诊断的年限分为高级医师组和初级医师组)和人工智能组(基于DenseNet网络深度学习的人工智能系统)分别对所有肺结节进行良恶性的诊断,以病理结果为金标准,分别统计各组在不同大小肺结节(直径≤10 mm、10 mm<直径≤20 mm以及直径>20 mm)良恶性诊断上的敏感度、特异度及符合率,并通过卡方检验进行统计分析。结果:在510例肺结节的诊断中,人工智能组诊断敏感度(93.14%)与高级医师组(91.14%)间差异无统计学意义(P>0.05),与初级医师组(61.43%)间的差异具有统计学意义(P=0.000);而诊断特异度(95.63%)及符合率(93.92%)均高于医师组(初级56.25%、59.80%;高级58.75%、80.98%),差异均有统计学意义(P=0.000)。在≤10 mm的肺结节中,人工智能组的诊断敏感度、特异度及符合率均高于高级医师组(90.38%,92.96%,91.43%;78.85%,64.79%,73.14%;所有P=0.000);在10 mm<直径≤20 mm和直径>20 mm肺结节组中,人工智能组的诊断敏感度(92.25%,97.12%)与高级医师组(95.77%,97.12%)间的差异均无统计学意义(P=0.211和1.000),但诊断特异度(98.33%,96.55%)及符合率(94.06%,96.99%)均高于高级医师组(51.67%,58.62%;82.67%,88.72%),差异均有统计学意义(P<0.05)。在不同大小的三组结节中,人工智能组诊断敏感度、特异度及符合率均高于初级医师组(敏感度:90.38%vs.17.31%,92.25%vs.70.42%,97.12%vs.93.27%;特异度:92.96%vs.85.92%,98.33%vs.43.33%,96.55%vs.10.34%;符合率:91.43%vs.45.14%,94.06%vs.62.38%,96.99%vs.75.19%),除两组在≤10 mm肺结节中的诊断特异度(P=0.361>0.05)和>20 mm肺结节中的诊断敏感度(P=0.211>0.05)的差异无统计学意义外,其它指标的组间比较差异均有统计学意义(P均<0.05)。结论:相较于人工诊断,应用人工智能(DenseNet网络深度学习)技术对肺结节的良、恶性进行诊断具有良好、可靠的诊断准确性。 展开更多
关键词 体层摄影术 X线计算机 人工智能 densenet网络 深度学习 肺结节
暂未订购
基于Attention-DenseNet-BC的恶意软件家族分类方法 被引量：5
15
作者 李一萌 李成海 +1 位作者 宋亚飞 王坚 《计算机科学》 CSCD 北大核心 2021年第10期308-314,共7页
恶意软件是互联网最严重的威胁之一。现存的恶意软件数据庞大,特征多样。卷积神经网络具有自主学习的特点,可以用来解决恶意软件特征提取复杂、特征选择困难的问题。但卷积神经网络连续增加网络层数会引起梯度消失,导致网络性能退化、... 恶意软件是互联网最严重的威胁之一。现存的恶意软件数据庞大,特征多样。卷积神经网络具有自主学习的特点,可以用来解决恶意软件特征提取复杂、特征选择困难的问题。但卷积神经网络连续增加网络层数会引起梯度消失,导致网络性能退化、分类准确率较低。针对此问题,提出了一种适用于恶意软件图像检测的Attention-DenseNet-BC模型。首先结合DenseNet-BC网络和注意力机制(attention mechanism)构建了Attention-DenseNet-BC模型,然后将恶意软件图像作为模型的输入,通过对模型进行训练和测试得到检测结果。实验结果表明,相比其他深度学习模型,Attention-DenseNet-BC模型可以取得更好的分类结果。在Malimg公开数据集上该模型取得了较高的分类精确率。 展开更多
关键词 恶意软件 densenet-BC网络 注意力机制
在线阅读 下载PDF
基于改进DenseNet卷积神经网络的番茄叶片病害检测 被引量：26
16
作者 牛学德 高丙朋 +1 位作者 南新元 石跃飞 《江苏农业学报》 CSCD 北大核心 2022年第1期129-134,共6页
针对传统的图像识别方法存在人工提取特征困难、识别耗时长和准确率低等问题,本研究以感染病害的番茄叶片和健康番茄叶片共10类图像为研究对象,提出了1种迁移学习和DenseNet卷积神经网络相结合的模型,实现了对番茄叶部病害的准确分类。... 针对传统的图像识别方法存在人工提取特征困难、识别耗时长和准确率低等问题,本研究以感染病害的番茄叶片和健康番茄叶片共10类图像为研究对象,提出了1种迁移学习和DenseNet卷积神经网络相结合的模型,实现了对番茄叶部病害的准确分类。首先将所有的图像数据进行预处理修改尺寸,对部分数量不均衡样本作随机变换;然后将DenseNet网络从ImageNet数据集上学习获得的先验知识应用到番茄病害图片数据集上,进而构建出基于迁移学习的深度卷积网络,经过微调训练得到番茄叶部病害识别模型。结果表明,该模型与AlexNet网络、VGG网络+迁移学习和MobileNet网络+迁移学习3种深度卷积模型相比,识别精度更高,测试准确率达到97.76%,实现了对10种番茄叶部图像的有效分类,为番茄等农作物病害的识别技术以及智慧农业的发展提供了新的思路与方法。 展开更多
关键词 图像识别 番茄 病害 迁移学习 densenet卷积神经网络
在线阅读 下载PDF
人工智能识别结合DenseNet网络模型CT在亚实性肺结节诊断中应用 被引量：5
17
作者 何舜东 胡子良 +1 位作者 欧阳林 张梦珊 《分子影像学杂志》 2022年第2期248-251,共4页
目的 通过人工智能自动识别结合DenseNet网络模型CT检查手段,探讨其在亚实性肺结节患者诊断中应用价值。方法选取2018年6月~2019年12月入本院经CT检查的亚实性肺结节患者98例,其中直径≤10 mm组患者32例,10 mm<直径≤20 mm组患者33例... 目的 通过人工智能自动识别结合DenseNet网络模型CT检查手段,探讨其在亚实性肺结节患者诊断中应用价值。方法选取2018年6月~2019年12月入本院经CT检查的亚实性肺结节患者98例,其中直径≤10 mm组患者32例,10 mm<直径≤20 mm组患者33例,直径>20 mm组患者33例,将所有患者实施高分辨的CT诊断,并将CT检查数据录入基于DenseNet网络深度学习的人工智能系统,把控人工智能影像诊断的训练数据集质量,由人工智能组和人工读片组分别对所有患者进行良恶性的诊断,比较分析人工智能对肺结节不同直径患者的CT平扫、增强动脉期及延迟期中的CT值、体积及恶性概率的预测值,测试诊断方面的敏感度、特异性以及符合率。结果 CT扫描对肺结节不同直径患者CT值、体积以及恶性概率的预测值差异均有统计学意义(P<0.05);直径≤10 mm患者中,人工智能组的敏感度达94.61%,特异性(93.12%)和符合率(92.08%)均高于传统人工读片组(P<0.05);10 mm<直径≤20 mm和直径>20 mm患者中,人工智能组的诊断敏感度与人工读片组间差异无统计学意义(P>0.05),但诊断特异性及符合率均高于人工读片组(P<0.05)。结论 人工智能识别结合DenseNet网络模型CT可对肺结节识别的敏感度及特异性较高,平扫CT可辅助预测肺结节恶性概率,可辅助临床医生诊断,提高工作效率。 展开更多
关键词 人工智能 densenet网络 肺结节 诊断
暂未订购
基于改进DenseNet网络的多源遥感影像露天开采区智能提取方法 被引量：12
18
作者 张峰极 吴艳兰 +1 位作者 姚雪东 梁泽毓 《遥感技术与应用》 CSCD 北大核心 2020年第3期673-684,共12页
利用遥感技术对露天开采区进行信息提取和监测已成为解决矿山自然环境问题的重要手段。通过改进带密集连接的全卷积神经网络,构建露天开采区样本库,并训练了针对多源遥感数据的露天开采区提取模型,最终实现对铜陵地区露天开采区的全自... 利用遥感技术对露天开采区进行信息提取和监测已成为解决矿山自然环境问题的重要手段。通过改进带密集连接的全卷积神经网络,构建露天开采区样本库,并训练了针对多源遥感数据的露天开采区提取模型,最终实现对铜陵地区露天开采区的全自动提取。与传统分类方法和深度学习方法相比,该方法在基于像元和基于对象的评价方面具有较好的精度,其中像元精度PA:0.977,交并比IoU:0.721,综合评价指标F1:0.838,Kappa系数:0.825,召回率:0.913,漏警率:0.087,虚警率:0.533。同时,该模型对于匀色较差的GoogleEarth影像也有较好的提取效果,表现出较强的泛化性和适用性,在多源遥感影像露天开采区提取方面具有较强的应用价值。 展开更多
关键词 深度学习 全卷积神经网络 densenet 露天开采区提取 全自动化
原文传递
PS-DenseNet下的代数模型遥感图像场景分类研究 被引量：2
19
作者 陈垚 张明波 《激光与红外》 CAS CSCD 北大核心 2022年第3期442-450,共9页
遥感图像能在短时间内获取大范围丰富的地表数据和细节,有效完成遥感图像场景的分类成为分析相关信息的重要依据。基于此,本文提出了PS-DenseNet下的代数模型遥感图像场景分类方法,为提升遥感图像的分类准确性,引入Lie group代数模型分... 遥感图像能在短时间内获取大范围丰富的地表数据和细节,有效完成遥感图像场景的分类成为分析相关信息的重要依据。基于此,本文提出了PS-DenseNet下的代数模型遥感图像场景分类方法,为提升遥感图像的分类准确性,引入Lie group代数模型分析工程问题可获取底层特征并降低特征维度,并在Densenet基础上设计PS-DenseNet提取高层特征,进而采用焦点代价函数完成网络训练,所设计的深度网络模型可训练海量遥感图像样本特征,使模型具备较强的自学习功能;为校验本文方法的有效性,采用两类数据集完成本文方法和文献[5]、[6]方法的验证,实验结果表明,本文方法的OCA参数和Kappa参数均优于其他两种方法,并能在较少的epoch中达到分类精准度较高的稳定状态。 展开更多
关键词 深度学习 分类 densenet 代价函数 网络训练
在线阅读 下载PDF
基于改进的DenseNet深度网络火灾图像识别算法 被引量：17
20
作者 杨其睿 《计算机应用与软件》 北大核心 2019年第2期258-263,共6页
现有油田火灾预警系统较多地采用烟感、红外等被动传感器进行烟火检测,其检测范围小,抗干扰能力弱,无法实时准确地进行火灾预警。如何从油田安防设备获取的海量图像数据中检测到烟火信息,提高抢险救灾的预测响应时间,在国内外都是一个... 现有油田火灾预警系统较多地采用烟感、红外等被动传感器进行烟火检测,其检测范围小,抗干扰能力弱,无法实时准确地进行火灾预警。如何从油田安防设备获取的海量图像数据中检测到烟火信息,提高抢险救灾的预测响应时间,在国内外都是一个具有挑战性的研究课题。提出一种改进的DenseNet深度神经网络架构,解决复杂图像中火灾区域的检测。为了增强特征传播的精度,降低存储数据量,采取结构化稀疏操作。将网络卷积核分为多个组,在训练过程中逐渐减小每个组内不重要的参数连接。针对油田安防领域构建的数据集存在不平衡性,增强火灾检测系统最终分类预测的准确性,引入Focal损失函数对分类层进行火灾识别。大量的定性定量实验表明,该改进网络在检测率与误检率方面均优于现有的其他深度模型。 展开更多
关键词 火焰检测 深度学习 densenet 结构化 网络裁剪 损失函数
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
使用帮助 返回顶部