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4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：
用于人体行为识别的Inflated VGGNet-16网络 被引量：1
1
作者 王震 刘瑞敏 黄琼桃 《北京化工大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第3期114-121,共8页
针对目前人体行为识别算法中C3D网络结构较浅、特征提取能力差,以及无可用预训练模型、训练耗时长等问题,以更深的VGGNet-16网络为基础,通过添加批归一化层(batch normalization layer)以及使用Inflating方法将ImageNet预训练模型用于... 针对目前人体行为识别算法中C3D网络结构较浅、特征提取能力差,以及无可用预训练模型、训练耗时长等问题,以更深的VGGNet-16网络为基础,通过添加批归一化层(batch normalization layer)以及使用Inflating方法将ImageNet预训练模型用于网络初始化,设计了一种新型的人体行为识别3D网络。通过在标准数据集UCF101与HMDB-51上的实验分析,将图片进行中心剪切后作为所设计网络的输入,从零训练时在UCF101数据集上比原始C3D网络的精度提高了9.2%,并且网络收敛速度更快,验证了所设计的Inflated VGGNet-16网络具有更强的特征提取与泛化能力。最后,将所设计网络加上10倍数据增强,在两个标准数据集上准确率分别达到了89.6%与61.7%,相比于较浅的C3D网络在UCF101数据集上提升了7.3%,超过了传统的改进密集轨迹法(iDT)以及经典的双流卷积神经网络(two-stream),具有较高的行为识别准确率。 展开更多
关键词 行为识别 vggnet-16 Inflating ImageNet预训练 数据增强
在线阅读 下载PDF
基于深度学习的输电线路工程车辆入侵检测 被引量：10
2
作者 闫春江 王闯 +4 位作者 方华林 王毅轩 杜觉晓 项学智 郭鑫立 《信息技术》 2018年第7期28-33,38,共7页
针对输电线路周边工程机械外力入侵的自动检测问题,提出了一种基于深度学习的工程车辆入侵检测方法,首先通过入侵检测的方式,提取出疑似入侵目标区域,再将疑似入侵区域送入训练好的深度卷积神经网络分类器之中进行目标判断,通过将卷积... 针对输电线路周边工程机械外力入侵的自动检测问题,提出了一种基于深度学习的工程车辆入侵检测方法,首先通过入侵检测的方式,提取出疑似入侵目标区域,再将疑似入侵区域送入训练好的深度卷积神经网络分类器之中进行目标判断,通过将卷积神经网络与入侵检测算法相结合,能够对输电线路周边的工程车辆入侵进行准确检测。实验表明,所提出的方法检测准确率达到97.2%。 展开更多
关键词 入侵检测 自适应前景分割 深度学习 卷积神经网络 vggnet-16
在线阅读 下载PDF
基于迁移学习和SVM的糖网图像分类 被引量：3
3
作者 王晓权 郑绍华 潘林 《信息通信》 2018年第4期96-100,共5页
为解决基于卷积神经网络(CNN)的糖尿病视网膜病变(DR)图像分类算法上普遍存在模型参数难以训练、易过拟合的问题,本文提出一种基于迁移学习和支持向量机(SVM)分类器的DR图像分类算法。首先,对DR图像进行预处理和数据扩增;其次,采用迁移... 为解决基于卷积神经网络(CNN)的糖尿病视网膜病变(DR)图像分类算法上普遍存在模型参数难以训练、易过拟合的问题,本文提出一种基于迁移学习和支持向量机(SVM)分类器的DR图像分类算法。首先,对DR图像进行预处理和数据扩增;其次,采用迁移学习方法预初始化深度学习分类算法中的经典框架VGGNet-16网络的模型参数,固定浅层网络参数不变,微调深层网络参数;最后,提取VGGNet-16最后一个隐藏层的特征向量训练支持向量机(SVM)分类器判定DR图像是否病变。实验结果表明,在Kaggle-DR公共数据集共35126张DR图像进行实验,在随机抽取的3500张作为测试集,分类准确率为0.931、敏感性为0.933、特异性为0.928,并能加快网络收敛和提高模型的泛化性。 展开更多
关键词 卷积神经网络 迁移学习 支持向量机 糖尿病视网膜病变 图像分类 vggnet-16网络
在线阅读 下载PDF
基于模板匹配和深度学习的港口舰船检测识别方法 被引量：5
4
作者 张旭 《信息技术与信息化》 2019年第4期59-63,共5页
针对港口内舰船目标的特征与港口内陆上目标特征相近导致检测困难的问题,提出了一种基于模板匹配和深度学习的港口舰船检测识别方法。对于待检测的港口图像,为其制作模板图和二值模板图。对待识别的港口图像和模板图利用SIFT特征进行配... 针对港口内舰船目标的特征与港口内陆上目标特征相近导致检测困难的问题,提出了一种基于模板匹配和深度学习的港口舰船检测识别方法。对于待检测的港口图像,为其制作模板图和二值模板图。对待识别的港口图像和模板图利用SIFT特征进行配准,配准后利用RANSAC算法计算仿射变换矩阵,进而将二值模板图投影到待识别的港口图中,从而将待识别的港口图像中的陆地部分屏蔽实现海陆分割。海陆分割后,利用Sobel算子提取候选目标。最后,本文利用VGGNet-16的深度学习模型对检测出的候选目标进行识别,从而将候选目标分区为军用和民用,并将非船目标剔除。本文方法在测试样本上检测率为93.22%,识别率为96.23%,高于通用目标检测框架Faster-RCNN和YOLO-v3。 展开更多
关键词 模板匹配 SIFT SOBEL vggnet-16 深度学习
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 下一页 到第 页
使用帮助 返回顶部