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111篇文章
< 1 2 … 6 >
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：
结合递归图与LeNet网络的足底压力身份识别方法
1
作者 袁田 辛义忠 《仪器仪表学报》 北大核心 2025年第6期338-347,共10页
针对身份识别领域足底压力采集设备在传感器数量和位置配置方面存在的差异性,以及足底压力特征通常依赖于对步态周期数据进行完整分割所带来的时间成本增加问题,提出一种基于足底压力信号的无阈值递归图和LeNet网络的身份识别方法。首... 针对身份识别领域足底压力采集设备在传感器数量和位置配置方面存在的差异性,以及足底压力特征通常依赖于对步态周期数据进行完整分割所带来的时间成本增加问题,提出一种基于足底压力信号的无阈值递归图和LeNet网络的身份识别方法。首先使用自制足底压力采集设备,在常规混凝土地面采集28名无足部及下肢疾病的健康成年参与者无负重等干扰状态自然行走过程中的足底压力数据;再经数据重构算法对足底压力数据进行预处理,将其转化为无阈值递归图;最后将生成的图像作为LeNet网络的输入,完成特征提取与身份识别,并对单一区域及多区域组合方案的结果进行分析比较。实验结果表明,足跟内侧区域、足跟外侧区域、第二跖骨区域和大脚趾区域的组合身份识别性能以最少的传感器数量和高识别精度优于其他方案,其中准确率、精确率、召回率和F 1分数分别达到99.25%、99.22%、99.39%、99.26%。不同区域的身份识别性能受行走过程中不同阶段和受力大小的影响,但随着区域数量的增加,该影响逐渐减弱。此外,实验结果还显示,使用足底压力信号的无阈值递归图进行身份识别的方法无需依赖严格的步态分割,依然能够保持较高的识别精度。为身份识别技术在生物特征识别领域的应用提供了新的思路与技术支持,在公共安全等领域具有潜在的应用价值。 展开更多
关键词 足底压力特征 无阈值递归图 lenet网络 身份识别
原文传递
基于权重分摊的LeNet-5卷积神经网络防御策略 被引量：1
2
作者 陈顺发 刘芬 《测控技术》 2024年第6期33-39,共7页
随着神经网络在自动驾驶、医疗诊断等关键领域的应用不断深入,如何确保神经网络的鲁棒性和安全性已成为当前研究的热点和挑战。在对抗攻击、数据中毒攻击、后门攻击等众多攻击方式中,随机翻转攻击是一种对安全性影响极大的攻击,其通过... 随着神经网络在自动驾驶、医疗诊断等关键领域的应用不断深入,如何确保神经网络的鲁棒性和安全性已成为当前研究的热点和挑战。在对抗攻击、数据中毒攻击、后门攻击等众多攻击方式中,随机翻转攻击是一种对安全性影响极大的攻击,其通过改变模型内部的权重参数来攻击网络,以降低网络性能。为应对此攻击方式,研究了一种基于权重分摊的防御策略。通过计算和分析权重的梯度来确定关键神经元,并为这些神经元添加冗余结构,使错误的权重最终被稀释,以提高模型的容错能力。为了验证这一防御策略,以LeNet-5模型为实验对象进行实验。实验表明,在相同的攻击条件下,经过防御后的模型相较于原始LeNet-5模型,容错精度提升了6.5%,相较于Inception-LeNet-5模型在全连接层上容错精度提升了1.9%。 展开更多
关键词 神经网络 防御 权重分摊 lenet-5 容错
在线阅读 下载PDF
联合LeNet和知识图谱的链路建立行为识别方法
3
作者 刘燕澳 孙佳琛 +3 位作者 丁国如 徐以涛 宋叶辉 汤鹏 《航空兵器》 CSCD 北大核心 2024年第6期112-119,共8页
在电磁对抗环境下,通信行为识别是电磁空间信号挖掘利用的重要一环。针对非合作无线网络中链路建立行为识别检测困难以及传统方法特征表征能力弱的问题,本文提出了联合LeNet和知识图谱的链路建立行为识别方法,该方法在数据预处理的基础... 在电磁对抗环境下,通信行为识别是电磁空间信号挖掘利用的重要一环。针对非合作无线网络中链路建立行为识别检测困难以及传统方法特征表征能力弱的问题,本文提出了联合LeNet和知识图谱的链路建立行为识别方法,该方法在数据预处理的基础上,建立了特征数据库,并使用知识图谱(Knowledge Graph,KG)进行特征的可视化。此外,该方法能够对低信噪比条件下的IQ信号也有很好的识别效果,在实测数据的基础上,信噪比为-20 dB的情况下,平均准确率达到90%以上,能够对链路建立行为进行有效识别。 展开更多
关键词 链路建立行为识别 非合作无线网络 lenet 知识图谱 深度学习
在线阅读 下载PDF
基于卷积神经网络LeNet-5的车牌字符识别研究 被引量：153
4
作者 赵志宏 杨绍普 马增强 《系统仿真学报》 CAS CSCD 北大核心 2010年第3期638-641,共4页
将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-... 将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。 展开更多
关键词 字符识别 车牌识别 卷积神经网络 lenet-5
原文传递
基于改进LeNet-5网络的车牌字符识别 被引量：12
5
作者 张秀玲 魏其珺 +2 位作者 周凯旋 董逍鹏 马锴 《沈阳大学学报（自然科学版）》 CAS 2020年第4期312-317,共6页
引入了Inception-SE卷积模块组来提升LeNet-5网络的广度与深度,运用SE模块增强了有用的特征并抑制了对当前任务用处不大的特征;使用BN层和Dropout优化网络,防止梯度弥散,提升精度;使用全局池化层(global average pooling,GAP)代替全连... 引入了Inception-SE卷积模块组来提升LeNet-5网络的广度与深度,运用SE模块增强了有用的特征并抑制了对当前任务用处不大的特征;使用BN层和Dropout优化网络,防止梯度弥散,提升精度;使用全局池化层(global average pooling,GAP)代替全连接层来减少网络计算参数.研究结果表明:改进后网络的识别精度达到了99.88%,比传统的LeNet-5网络提高了1.71%. 展开更多
关键词 卷积神经网络 车牌字符识别 lenet-5网络 Inception-SE卷积模块 识别精度
在线阅读 下载PDF
自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术 被引量：9
6
作者 程鸿芳 张春友 《食品与机械》 北大核心 2019年第3期155-158,共4页
针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标... 针对传统基于内容的识别方法在特征提取方面存在计算复杂、特征不可迁移等问题,为避免光照条件、重叠及其他遮挡等因素对图像识别的影响,以LeNet卷积神经网络作为基础,对其结构进行改进,设计了一种基于改进LeNet卷积神经网络的苹果目标识别模型,并利用该模型对不同场景的苹果图像进行识别训练与验证。结果表明:该网络模型可有效实现苹果图像的识别,对独立果实、遮挡果实、重叠果实以及相邻果实的识别率分别为96.25%,91.37%,94.91%,89.56%,综合识别率达到93.79%。与其他方法相比,该算法具有较强的抗干扰能力,图像识别速度快、识别率更高。 展开更多
关键词 图像识别 目标识别 卷积神经网络 lenet
在线阅读 下载PDF
基于卷积神经网络LeNet-5的货运列车车号识别研究 被引量：10
7
作者 王晓锋 马钟 《现代电子技术》 北大核心 2016年第13期63-66,71,共5页
针对货运列车车号字符识别,提出了基于卷积神经网络Le Net-5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征图的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果... 针对货运列车车号字符识别,提出了基于卷积神经网络Le Net-5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征图的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果表明,该方法对车号的断裂、污损等问题的解决有较强的鲁棒性,达到了较高的识别率,为整个车号识别系统的精确性提供了保障。 展开更多
关键词 列车车号 车号识别 卷积神经网络 lenet-5
在线阅读 下载PDF
基于时间编码超表面的跌倒特征模拟与Wi-Fi感知数据集辅助构建
8
作者 陈少楠 顾家铭 +8 位作者 徐超 孙一淼 王思然 陈展野 刘硕 李会东 戴俊彦 何源 程强 《雷达学报(中英文)》 北大核心 2025年第4期950-960,共11页
随着Wi-Fi感知技术在智能健康监测领域的广泛应用,如何构建高质量的数据集成为亟待解决的关键问题。特别是在监测异常行为(如跌倒)时,传统方法依赖于人体的反复实验,这既存在安全隐患,又面临伦理困境。为应对这一挑战,该文提出了一种基... 随着Wi-Fi感知技术在智能健康监测领域的广泛应用,如何构建高质量的数据集成为亟待解决的关键问题。特别是在监测异常行为(如跌倒)时,传统方法依赖于人体的反复实验,这既存在安全隐患,又面临伦理困境。为应对这一挑战,该文提出了一种基于时间编码超表面的辅助数据样本采集方法。通过模拟人体的运动特征,时间编码超表面可以有效替代人体实验,用于辅助构建Wi-Fi感知数据集。为此该文设计了一款具备0~360°全相位调制能力的时间编码超表面验证了该方案的可行性。实验结果表明,超表面生成的信号能够较好地保留人体运动特征,有效补充真实样本,降低数据采集复杂度,并显著提升模型的监测准确性。该方法为Wi-Fi感知技术的数据采集提供了一种创新且可行的解决方案。 展开更多
关键词 Wi-Fi感知 时间编码超表面 运动特征生成 数据集构建 lenet分类网络
在线阅读 下载PDF
基于小数据集的改进LeNet图像分类模型研究 被引量：5
9
作者 舒军 杨露 +2 位作者 陈义红 杨莉 邓芳 《中南民族大学学报（自然科学版）》 CAS 2019年第4期605-612,共8页
将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其... 将传统卷积神经网络应用于小数据集上,LeNet模型准确率低并且收敛速度慢,VggNet等模型存在过拟合问题.针对小数据集提出一种改进LeNet模型,该模型在LeNet基础上使用ReLU函数替换sigmoid来提高收敛速度,加入1*1卷积增加模型深度并利用其改变维度的特点来提高识别准确率,通过分解卷积和提出改进Dropout方法减少过拟合.结果表明:改进LeNet模型分类自制小龙虾数据集,比LeNet收敛速度快6000步并且准确率提高约15%,比VggNet和ResNet过拟合程度明显减少;将改进LeNet模型推广应用于开源数据集MNIST和Fashion-MNIST上,改进模型也有良好的表现. 展开更多
关键词 小数据集 卷积神经网络 改进lenet
在线阅读 下载PDF
改进卷积Lenet-5神经网络的轴承故障诊断方法 被引量：18
10
作者 赵小强 罗维兰 《电子测量与仪器学报》 CSCD 北大核心 2022年第6期113-125,共13页
针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积Lenet-5神经网络的轴承故障诊断方法。首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将最基本的L... 针对滚动轴承微弱信号在强噪声、变工况复杂环境下,难以实现有效的故障诊断问题,提出了一种改进卷积Lenet-5神经网络的轴承故障诊断方法。首先,对采集的一维时域轴承振动信号进行预处理转化成便于卷积操作的二维灰度图;其次,将最基本的Lenet-5模型中的连续单向的传统卷积层改进为Block1模块、Block2模块、Block3模块,提取到更完整、更精准的特征信息;最后,为了防止网络出现过拟合现象,采用L2正则化和Dropout优化网络。为了验证本文所提方法在复杂工况环境的鲁棒和泛化性能,利用滚动轴承数据集和变速箱实验数据集进行实验验证。轴承数据集实验结果表明,本文所提出的方法在变噪声实验中准确率平均值都在99.3%;在变负荷实验中,故障诊断准确率都高于90.26%;在变工况实验中,故障诊断准确率平均值都高于89.01%;在变速箱数据集实验中,抗噪性故障诊断准确率高达96.3%。采用改进的Lenet-5方法对滚动轴承12种故障类型具有更好的分辨能力,在变工况下具有更好的抗干扰性和泛化性能。 展开更多
关键词 滚动轴承 故障诊断 复杂工况 lenet-5网络 网络优化
原文传递
基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断 被引量：10
11
作者 汤亮 凡焱峰 +1 位作者 徐适斐 蔡凯翼 《计量学报》 CSCD 北大核心 2022年第7期913-919,共7页
考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的... 考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的振动信号直接作为改进LeNet-5网络的输入,对池化输出采用批归一化处理和改进池化层激活函数防止过拟合,利用全局平均池化层替代全连接层提高改进LeNet-5网络的泛化能力,用Softmax分类器实现滚动轴承故障的分类。通过轴承数据库开展实验,实验表明,该算法构建的轴承故障诊断模型在训练集上准确率为99.94%,验证集上的准确率为99.89%,测试集准确率也达到99.65%,与一维卷积神经网络和二维卷积神经网络对比分析,基于贝叶斯优化改进LeNet-5算法构建的轴承故障诊断模型在滚动轴承的故障诊断模型具有更高的准确率,更少的训练次数和训练时间。 展开更多
关键词 计量学 滚动轴承 故障诊断 改进lenet-5网络 贝叶斯优化 深度学习
在线阅读 下载PDF
基于改进LeNet-5网络的交通标志识别方法 被引量：13
12
作者 汪贵平 盛广峰 +2 位作者 黄鹤 王会峰 王萍 《科学技术与工程》 北大核心 2018年第34期78-84,共7页
针对传统LeNet-5卷积神经网络用于交通标志等多种类识别任务中,存在识别正确率低、网络容易过拟合以及梯度消失等问题进行改进。引入Inception卷积模块组来提取目标丰富的特征,同时增加网络的深度。引入BN (batch normalization)层对输... 针对传统LeNet-5卷积神经网络用于交通标志等多种类识别任务中,存在识别正确率低、网络容易过拟合以及梯度消失等问题进行改进。引入Inception卷积模块组来提取目标丰富的特征,同时增加网络的深度。引入BN (batch normalization)层对输入批量样本进行规范化处理;同时改用性能更好的Relu激活函数,并使用全局池化层代替全连接层,合理改变卷积核的大小和数目。研究结果表明,改进LeNet-5网络能够有效解决过拟合和梯度消失等问题,具有较好的鲁棒性;网络识别率达到98. 5%以上,相比CNN (convolutional neural network)+SVM (support vector machine)提高了约5%,比传统的LeNet-5网络提高了3%。可见,改进后的LeNet-5网络图像识别的准确率得到显著提高。 展开更多
关键词 交通标志 lenet-5网络 卷积神经网络 准确率
在线阅读 下载PDF
基于Lenet-5的卷积神经网络改进算法 被引量：19
13
作者 李丹 沈夏炯 +1 位作者 张海香 朱永强 《计算机时代》 2016年第8期4-6,12,共4页
在当前语音识别和图像识别领域,卷积神经网络已经取得了很大的成功。现有的Lenet-5卷积神经网络是多层网络结构,但是大量实验表明,从全链接层到输入层的回调影响了最终的精度,特别是在有限数据量的情况下。因此提出了单层回调的Lenet-5... 在当前语音识别和图像识别领域,卷积神经网络已经取得了很大的成功。现有的Lenet-5卷积神经网络是多层网络结构,但是大量实验表明,从全链接层到输入层的回调影响了最终的精度,特别是在有限数据量的情况下。因此提出了单层回调的Lenet-5算法,即在Lenet-5卷积神经网络的卷积层后添加一个临时输出层,与真实标签进行比较,根据误差函数对层间参数进行回调,并用全球手写数字MNIST数据集进行训练和测试。实验表明,即使在有限数据量的情况下算法的精度仍能得到提高。 展开更多
关键词 卷积神经网络 lenet-5 全链接 卷积 池化 回调 精度
在线阅读 下载PDF
基于改进LeNet-5的交通标志识别算法研究 被引量：7
14
作者 褚莹 陶纪宇 凌力 《微型电脑应用》 2019年第9期58-61,共4页
交通标志识别作为自动驾驶系统和驾驶员辅助系统中的重要组成部分,对行车安全有着直接的影响。以真实场景下采集的比利时交通标志数据集为研究对象,通过对交通标志图像特点的研究,对轻量级经典卷积神经网络Lenet-5进行四大改进,包括为... 交通标志识别作为自动驾驶系统和驾驶员辅助系统中的重要组成部分,对行车安全有着直接的影响。以真实场景下采集的比利时交通标志数据集为研究对象,通过对交通标志图像特点的研究,对轻量级经典卷积神经网络Lenet-5进行四大改进,包括为适应交通标志图像进行的基础结构调整、提升数据集平衡性的数据增广、加入改善过拟合的Dropout策略以及加入批量归一化层。实验结果表明,由此得到的TSRCNN模型能够有效提取交通标志的特征,在比利时交通标志数据集上识别准确率达98.56%。 展开更多
关键词 交通标志识别 卷积神经网络 lenet网络模型
在线阅读 下载PDF
基于改进的LeNet-5网络在单通道图像分类中的研究 被引量：4
15
作者 安源 刘春 +1 位作者 蔡朝晖 马英瑞 《信息技术》 2020年第12期8-10,16,共4页
针对卷积神经网络在进行图像分类时,存在单通道提取特征不充分和收敛慢等问题,提出一种改进的LeNet-5深度卷积神经网络模型。该模型对通道数量、层次结构等进行了改进,并设计局部误差结构,利用算法来增加局部误差产生数量和层间权值的... 针对卷积神经网络在进行图像分类时,存在单通道提取特征不充分和收敛慢等问题,提出一种改进的LeNet-5深度卷积神经网络模型。该模型对通道数量、层次结构等进行了改进,并设计局部误差结构,利用算法来增加局部误差产生数量和层间权值的调整次数。实验表明,与传统的LeNet-5网络相比,所提出模型收敛速度更快和分类准确率更高。 展开更多
关键词 图像分类 卷积神经网络 lenet-5 单通道图像 卷积核
在线阅读 下载PDF
基于改进LeNet-5的车牌识别算法 被引量：16
16
作者 张荣梅 张琦 陈彬 《科学技术与工程》 北大核心 2020年第12期4775-4779,共5页
传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别... 传统的车牌识别算法包括模板匹配、特征统计等方法,但是这些算法依赖于人工提取图像特征,识别准确率低。卷积神经网络LeNet-5算法能够自动提取车牌图像的特征,提高车牌识别准确率。但是目前基于LeNet-5网络结构的车牌识别算法存在识别不完整,运算时间长等缺点。提出基于改进的LeNet-5网络的车牌识别算法,该算法将输入车牌字符图像归一化为32×16大小,并通过删除传统LeNet-5网络中的C5层、修改输出层中神经元个数等,将车牌字符按照汉字和数字/字母的形式识别输出。通过采集大量车牌数据进行训练验证,结果表明:与前人改进的LeNet-5网络结构相比,本文算法在识别率和时间效率上均得到了提高。 展开更多
关键词 车牌识别 卷积神经网络 lenet-5 字符识别 汉字识别
在线阅读 下载PDF
基于LeNet模型的游梁式抽油机工况诊断研究 被引量：4
17
作者 叶哲伟 易钦珏 罗良 《西南石油大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第6期164-174,共11页
游梁式抽油机是有杆泵系统中应用最广泛的部件,分析有杆泵的示功图是判断抽油机井下工况的重要手段。针对传统示功图识别方法存在依靠专家经验以及需要人工进行特征提取,导致出现相似示功图时识别准确度低的问题开展研究。通过深度学习... 游梁式抽油机是有杆泵系统中应用最广泛的部件,分析有杆泵的示功图是判断抽油机井下工况的重要手段。针对传统示功图识别方法存在依靠专家经验以及需要人工进行特征提取,导致出现相似示功图时识别准确度低的问题开展研究。通过深度学习卷积神经网络在图像识别领域的应用,提出了一种基于LeNet的卷积神经网络模型,实现了示功图的自动识别,所搭建的模型在简化模型结构的同时考虑了抽油机常见的15种井下工况,并引入了Dropout层以及局部响应归一化层防止模型过拟合的同时提高模型的泛化能力。实验结果表明,该模型不仅收敛速度快,而且对于工况进行诊断的准确度平均为94.68%,满足抽油机工况检测的诊断精度要求。该研究为抽油机井工况智能监控预警系统的构建提供了依据,对建设智慧油田以及油田的高效生产具有重要意义。 展开更多
关键词 抽油机 示功图 卷积神经网络 lenet 工况诊断
在线阅读 下载PDF
基于多模态CNN的脑卒中病人康复训练视线估计
18
作者 王域玲 陆小锋 宋海洋 《工业控制计算机》 2025年第10期103-104,107,共3页
机器人辅助康复训练是脑卒中病人康复训练的重要手段。训练专注度对训练效果有重要影响。视线方向是衡量训练专注度的重要指标之一。提出了一种基于多模态卷积神经网络(CNN)的脑卒中病人康复训练视线估计方法。该方法结合头部姿态、眼... 机器人辅助康复训练是脑卒中病人康复训练的重要手段。训练专注度对训练效果有重要影响。视线方向是衡量训练专注度的重要指标之一。提出了一种基于多模态卷积神经网络(CNN)的脑卒中病人康复训练视线估计方法。该方法结合头部姿态、眼部图像、眼睛坐标等多模态数据,对病人视线进行预测,采用数据归一化将图像和头部姿态信息归一化到极坐标空间,将归一化后的数据输入到CNN网络中,学习从头部姿势和眼睛图像到摄像头坐标系中注视方向的映射,实现对脑卒中病人康复训练视线的估计。 展开更多
关键词 多模态 脑卒中 视线估计 lenet网络 卷积神经网络(CNN)
在线阅读 下载PDF
基于LeNet-5模型的太阳能电池板缺陷识别分类 被引量：15
19
作者 吴涛 赖菲 《热力发电》 CAS 北大核心 2019年第3期120-125,共6页
太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络... 太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率。因此,对太阳能电池板进行缺陷检测具有重要的实际价值。考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络对太阳能电池板图像进行自动识别分类。利用Tensorflow平台Tensorboard的可视化性能,对经典卷积神经网络Le Net-5模型进行结构改善和超参数的调整,并将改进LeNet-5模型与经典LeNet-5模型和支持向量机的分类结果互相对比,结果表明改进LeNet-5模型的分类效果最优。 展开更多
关键词 太阳能电池板 lenet-5模型 图像分类 卷积神经网络 超参数 Tensorboard
在线阅读 下载PDF
一种基于深度学习的手写签名识别技术
20
作者 高娴婷 刘嘉琦 +1 位作者 王梓函 王行建 《科技创新与生产力》 2025年第2期76-79,共4页
随着信息化社会的深入发展,手写签名识别技术在保障信息安全与身份认证中越来越重要。针对当前技术在应对签名者情绪波动与书写状态变化时的局限性,本文提出一种基于深度学习的手写签名识别方法,旨在显著提升识别准确性与效率。该方法... 随着信息化社会的深入发展,手写签名识别技术在保障信息安全与身份认证中越来越重要。针对当前技术在应对签名者情绪波动与书写状态变化时的局限性,本文提出一种基于深度学习的手写签名识别方法,旨在显著提升识别准确性与效率。该方法涵盖了在线与离线签名识别两部分,分别运用快速傅里叶变换(FFT)和BP神经网络、数字图像处理技术和改进的LeNet-5卷积神经网络模型实现。实验结果表明,该技术有效减少了签名状态对识别的影响,显著提升了识别率。 展开更多
关键词 手写签名识别 深度学习 快速傅里叶变换 BP神经网络 lenet-5卷积神经网络 数字图像处理
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 … 6 下一页 到第 页
使用帮助 返回顶部