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3篇文章
< 1 >
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：
基于MobileNetV2和IFPN改进的SSD垃圾实时分类检测方法 被引量：15
1
作者 赵珊 刘子路 +1 位作者 郑爱玲 高雨 《计算机应用》 CSCD 北大核心 2022年第S01期106-111,共6页
针对垃圾分类检测任务中检测目标尺寸不一和小目标检测精度不高等问题,构建一种基于隐式特征金字塔网络(IFPN)和MobileNetV2的改进SSD模型的分类检测方法,对垃圾进行实时分类检测。首先,将改进后的MobileNetV2引入SSD,加入带有空洞卷积... 针对垃圾分类检测任务中检测目标尺寸不一和小目标检测精度不高等问题,构建一种基于隐式特征金字塔网络(IFPN)和MobileNetV2的改进SSD模型的分类检测方法,对垃圾进行实时分类检测。首先,将改进后的MobileNetV2引入SSD,加入带有空洞卷积的空间金字塔池化模块(ASPP),在降低网络模型计算复杂度的同时保证网络实时性和精确性;其次,采用IFPN从网络的深层到浅层逐级融合SSD,更精确地检测出小目标;最后,使用Focal Loss函数调节正负样本之间的权重。实验结果表明,在阈值为0.4时,所提方法比传统SSD平均精确率均值(mAP)提高了4.84个百分点,检测耗时减少了72.7%,能满足边缘计算设备对模型的各项要求。 展开更多
关键词 垃圾分类 目标检测 MobileNetV2 SSD 空间金字塔池化 隐式特征金字塔网络
在线阅读 下载PDF
面向焦虑改善的睡眠脑电信号深度学习分析模型研究
2
作者 黄辰 马耀龙 +5 位作者 张龑 王时绘 杨超 宋建华 陈侃松 杨伟平 《电子与信息学报》 北大核心 2025年第8期2935-2944,共10页
焦虑是一种常见的情绪障碍,其严重时会显著影响个体的身心健康。已有研究表明,睡眠与焦虑存在双向调控关系,高质量睡眠有助于缓解焦虑情绪。为提高在睡眠环境下对焦虑患者脑电信号的分析准确率,该文提出一种改进型特征金字塔网络(IFPN)... 焦虑是一种常见的情绪障碍,其严重时会显著影响个体的身心健康。已有研究表明,睡眠与焦虑存在双向调控关系,高质量睡眠有助于缓解焦虑情绪。为提高在睡眠环境下对焦虑患者脑电信号的分析准确率,该文提出一种改进型特征金字塔网络(IFPN)模型。在IFPN模型中,首先,对焦虑患者睡眠前后脑电信号进行预处理,采用脑电信号标准化和特征金字塔网络去噪,以统一脑电信号尺度并去除噪声。然后,将预处理后焦虑患者的睡眠脑电数据转换为脑熵地形图,以强化在睡眠环境下对焦虑改善的脑电信号分析能力,接着,利用改进型特征金字塔网络对脑熵地形图进行特征提取,生成特征脑地形图。最后,将特征脑地形图输入到ResNet-50进行脑电信号分析。本文在开源数据集上验证了IFPN模型的有效性。实验结果表明,在睡眠环境下,采用所提模型能够进一步提升针对焦虑脑电信号的分析能力和准确率,从而为分析睡眠对于焦虑的改善作用提供深入的理论和实验支撑。 展开更多
关键词 睡眠 焦虑 脑电图 改进型特征金字塔网络 奇异谱熵
在线阅读 下载PDF
结合倒置特征金字塔和U-Net的高光谱图像分类 被引量：4
3
作者 程嵩阳 熊玉洁 +1 位作者 姚瑶 李庆利 《中国图象图形学报》 CSCD 北大核心 2021年第8期1994-2008,共15页
目的地物分类是对地观测研究领域的重要任务。高光谱图像具有丰富的地物光谱信息,可用于提升遥感图像地物分类的准确度。如何对高光谱图像进行有效的特征提取与表示是高光谱图像分类应用的关键问题。为此,本文提出了一种结合倒置特征金... 目的地物分类是对地观测研究领域的重要任务。高光谱图像具有丰富的地物光谱信息,可用于提升遥感图像地物分类的准确度。如何对高光谱图像进行有效的特征提取与表示是高光谱图像分类应用的关键问题。为此,本文提出了一种结合倒置特征金字塔和U-Net的高光谱图像分类方法。方法对高光谱数据进行主成分分析(principal component analysis,PCA)降维,获取作为网络输入的重构图像数据,然后使用U-Net逐层提取高光谱重构图像的空间特征。与此同时,利用倒置的特征金字塔网络抽取相应层级的语义特征;通过特征融合,得到既有丰富的空间信息又有较强烈的语义响应的特征表示。提出的网络利用注意力机制在跳跃连接过程中实现对背景区域的特征响应抑制,最终实现了较高的地物分类精度。结果分析了PCA降维方法和输入数据尺寸对分类性能的影响,并在Indian Pines、Pavia University、Salinas和Urban数据集上进行了对比实验。本文方法在4个数据集上分别取得了98.91%、99.85%、99.99%和87.43%的总体分类精度,与支持向量机(support vector machine,SVM)等相关算法相比,分类精度高出1%~15%。结论本文提出一种结合倒置特征金字塔和U-Net的高光谱图像分类方法,可以应用于有限训练样本下的高光谱图像分类任务,并在多个数据集上取得了较高的分类精度。实验结果表明倒置特征金字塔结构与U-Net结合的算法能够高效地实现高光谱图像的特征提取与表示,从而获得更精细的分类结果。 展开更多
关键词 高光谱图像分类 稀少样本 倒置特征金字塔网络(ifpn) U-Net 特征融合
原文传递
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 下一页 到第 页
使用帮助 返回顶部