基于时序卷积网络的轻量级日志异常检测

1

作者 顾兆军 王亚飞 +1 位作者 刘春波 张智凯 《计算机工程与设计》 北大核心 2025年第8期2272-2279,共8页

针对物联网边缘设备计算能力和存储空间有限,现有方法难以直接部署应用。提出一种基于改进时序卷积网络(TCN)的轻量级日志异常检测模型LLAD。日志预处理后提取语义特征并表征单词与日志事件的关系;在异常检测阶段,采用深度可分离卷积操... 针对物联网边缘设备计算能力和存储空间有限,现有方法难以直接部署应用。提出一种基于改进时序卷积网络(TCN)的轻量级日志异常检测模型LLAD。日志预处理后提取语义特征并表征单词与日志事件的关系;在异常检测阶段,采用深度可分离卷积操作实现一维卷积运算,并使用全局平均池化替换全连接层以减少标准TCN的参数数量和计算量。在HDFS和BGL数据集上的实验结果表明,LLAD与基准模型相比,所需内存和FLOP至少减少80%,且检测性能指标F1值有所提升。 展开更多

关键词 边缘设备 日志异常检测 特征提取 语义特征 时序卷积网络 深度可分离卷积 全局平均池化

在线阅读 下载PDF 职称材料

基于改进CNN-SVM和机器视觉的苹果自动分级方法研究

2

作者 张瑞琪 杨宁 张一枫 《食品与机械》 北大核心 2025年第9期75-81,共7页

[目的]解决现有苹果自动分级方法存在的分级精度差和效率低等问题。[方法]在基于机器视觉的苹果自动分级系统基础上,提出一种结合卷积神经网络、全局平均池化、批量归一化和支持向量机的苹果自动分级方法。通过全局平均池化,降低模型参... [目的]解决现有苹果自动分级方法存在的分级精度差和效率低等问题。[方法]在基于机器视觉的苹果自动分级系统基础上,提出一种结合卷积神经网络、全局平均池化、批量归一化和支持向量机的苹果自动分级方法。通过全局平均池化,降低模型参数量。通过批量归一化技术提高模型的泛化能力。通过支持向量机替换卷积神经网络的Softmax分类器,提高分类的准确性,并进行验证实验。[结果]与常规的苹果分级方法相比,试验方法在苹果自动分级中具有更高的检测准确和效率,分级准确率达到98.50%,分级速度达到209帧/s,满足食品加工自动化要求。[结论]通过优化现有苹果自动分级方法,在一定程度上提高了检测性能。 展开更多

关键词 苹果 自动分级 卷积神经网络 支持向量机 全局平均池化 批量归一化

在线阅读 下载PDF 职称材料

基于并行混合神经网络的碾米机故障诊断方法

3

作者 孙秋 蔡华锋 《中国农机化学报》 北大核心 2025年第6期221-227,共7页

为能够对碾米机故障进行快速诊断,提出一种基于并行混合神经网络的碾米机故障诊断方法。搭建碾米机故障采集系统,主要由供电端、故障端、数据采集端和数据处理端4个部分组成,其中数据采集端用于采集碾米机故障信号,数据处理端则主要负... 为能够对碾米机故障进行快速诊断,提出一种基于并行混合神经网络的碾米机故障诊断方法。搭建碾米机故障采集系统,主要由供电端、故障端、数据采集端和数据处理端4个部分组成,其中数据采集端用于采集碾米机故障信号,数据处理端则主要负责接收并处理碾米机的故障数据,将故障数据集带入具有全局均值池化(GAP)的并行混合神经网络中进行特征提取和故障分类,获取故障诊断结果,并与其他最新的故障诊断模型进行比较。试验结果表明,该方法能够将碾米机的故障诊断精度提升至90.72%,与其他模型相比诊断性能更加优越,对碾米机故障实现快速诊断具有重要意义。 展开更多

关键词 碾米机 故障诊断 门控循环单元 并行混合神经网络 全局均值池化

在线阅读 下载PDF 职称材料

基于改进CNN的医院电气设备绝缘状态自动监测方法研究

4

作者 徐晨 《科技资讯》 2025年第14期59-61,共3页

目前,医院电气设备绝缘状态的自动监测方法往往性能不佳,存在误报、漏报和监测精度低的问题。为了解决这些问题,提出基于改进卷积神经网络(Convolutional Neural Network,CNN)的自动监测方法。通过将振幅映射到像素灰度、将时间映射到... 目前,医院电气设备绝缘状态的自动监测方法往往性能不佳,存在误报、漏报和监测精度低的问题。为了解决这些问题,提出基于改进卷积神经网络(Convolutional Neural Network,CNN)的自动监测方法。通过将振幅映射到像素灰度、将时间映射到像素位置、将信号转换为2D图像,使用全球平均池来增强CNN,对设备状态进行分类,识别绝缘状况,并发出警告。实验表明,监测方法的误报率≤1%、漏报率≤2%,能够实现精确的自动监控。 展开更多

关键词 改进卷积神经网络 电气设备 绝缘状态 自动监测 二维图像 全局平均池化技术

在线阅读 下载PDF 职称材料

基于改进图注意力网络的油井产量预测模型 被引量：2

5

作者 张强 彭骨 薛陈斌 《吉林大学学报（理学版）》 CAS 北大核心 2024年第4期933-942,共10页

针对图注意力网络处理噪声和时序数据较弱,并且在堆叠多层后出现梯度爆炸、过平滑等问题,提出一种改进图注意力网络模型.首先,使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注,增强模型处理噪声的能力;其次,... 针对图注意力网络处理噪声和时序数据较弱,并且在堆叠多层后出现梯度爆炸、过平滑等问题,提出一种改进图注意力网络模型.首先,使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注,增强模型处理噪声的能力;其次,使用多头注意力机制,将序列数据中每个序列相对其他序列进行加权求和,提取数据的时序性;再次,将图注意力网络提取的节点特征与节点的度中心性拼接,获取节点的局部特征,并用全局平均池化的方式提取节点的全局特征;最后,将两者进行融合得到节点的最终特征表示,增强模型的表征能力.为验证改进图注意力网络的有效性,将改进图注意力网络模型与LSTM,GRU和GGNN模型进行对比,实验结果表明,该模型预测效果得到有效提升,具有更高的预测精度. 展开更多

关键词 图注意力网络 多头注意力 节点度中心性 全局平均池化

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的中药饮片图像识别 被引量：9

6

作者 李玥辰 赵晓 +1 位作者 王若男 杨晨 《科学技术与工程》 北大核心 2024年第9期3596-3604,共9页

为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强... 为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强预处理。其次对AlexNet网络模型进行优化改进,通过缩减原网络的卷积核个数和卷积核大小、使用全局平均池化(global average pooling,GAP)替代全连接层以减少网络参数;去除局部响应归一化(local response normalization,LRN)层、引入批量归一化(batch normalization,BN)层和使用Lion优化算法替代随机梯度下降(stochastic gradient descent,SGD)优化算法以提高网络训练速度;使用Mish激活函数替代ReLU激活函数和引入通道注意力机制SENet网络以提高模型的识别精度。实验结果表明,改进后的网络模型相比于AlexNet网络模型,平均识别率提高了6.1%,平均损失率下降了14.4%,网络参数由原来的60 M缩减至1 M,该结果表明在中药饮片数据集上,改进后的网络模型具有更高的识别率和更好的鲁棒性,可为中药饮片图像识别领域的进一步发展提供有力支持。 展开更多

关键词 AlexNet网络 中药饮片 全局平均池化 Lion优化算法 Mish激活函数 SENet网络

在线阅读 下载PDF 职称材料

基于PSO-CNN算法的齿轮故障诊断方法 被引量：3

7

作者 谷娜 吴胜利 邢文婷 《科学技术与工程》 北大核心 2024年第26期11246-11252,共7页

齿轮故障振动信号具有非线性和非平稳性的特性,以及样本不均衡问题和运行工况复杂多变的情况,造成齿轮故障特征诊断的准确度和稳定性偏低,因此,通过研究提高样本集质量和改进深度学习模型的综合方法,以此来提高模型的诊断精度。首先采... 齿轮故障振动信号具有非线性和非平稳性的特性,以及样本不均衡问题和运行工况复杂多变的情况,造成齿轮故障特征诊断的准确度和稳定性偏低,因此,通过研究提高样本集质量和改进深度学习模型的综合方法,以此来提高模型的诊断精度。首先采用变分模态分解(variational mode decomposition,VMD)对信号进行处理,提取每个本征模态函数(intrinsic mode function,IMF)分量的能量熵无量纲指标作为样本集,克服样本不均衡和工况变化带来的不利影响。然后,利用粒子群优化(particle swarm optimization,PSO)算法自主优化卷积神经网络(convolutional neural network,CNN)的学习率(PSO-CNN),降低模型出现过拟合问题的可能性,并利用Inception模块的概念,设计一个多分支全局平均池化网络用于特征融合,进一步提高模型的故障诊断精度。最后,通过试验数据对所提方法进行了验证,结果表明,本文方法的故障诊断准确率可达0.99,并于其他方法进行对比,凸显该方法的有效性和稳定性。 展开更多

关键词 VMD能量熵 PSO-CNN 学习率 多分支全局平均池化网络

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的模拟电路故障诊断 被引量：10

8

作者 高伟 李福胜 张铁竹 《电子器件》 CAS 北大核心 2021年第4期871-875,共5页

模拟电路是复杂电子设备的重要组成部分,其故障可能导致整个设备停机,造成巨大的财产损失,甚至人员伤亡。传统的模拟电路故障诊断方法主要依赖于复杂的信号处理技术和专家经验,只适用于特定场景。因此提出一种基于一维卷积神经网络的模... 模拟电路是复杂电子设备的重要组成部分,其故障可能导致整个设备停机,造成巨大的财产损失,甚至人员伤亡。传统的模拟电路故障诊断方法主要依赖于复杂的信号处理技术和专家经验,只适用于特定场景。因此提出一种基于一维卷积神经网络的模拟电路故障诊断方法,可以直接从原始时间序列信号中提取故障特征,不依赖于信号处理技术和专家经验。为了减少模型参数,避免出现模型过拟合,采用全局平均池化层取代传统卷积神经网络的全连接层。实验结果表明,相比传统方法,所提出的方法能够有效提取深度故障特征,具有更高的诊断准确率和更稳定的分类性能。 展开更多

关键词 模拟电路 故障诊断 一维卷积神经网络 全局池化

在线阅读 下载PDF 职称材料

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究 被引量：52

9

作者 徐岩 陶慧青 虎丽丽 《铁道学报》 EI CAS CSCD 北大核心 2020年第5期91-98,共8页

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对... 行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。 展开更多

关键词 铁路异物检测 卷积神经网络 FASTER R-CNN 迁移学习 全局平均池化

在线阅读 下载PDF 职称材料

一种多尺度卷积神经网络道路提取方法 被引量：9

10

作者 戴激光 杜阳 +1 位作者 金光 陶德志 《遥感信息》 CSCD 北大核心 2020年第1期28-37,共10页

针对神经网络训练过程存在分辨率不断降低和梯度消失的共性问题,提出一种基于多尺度卷积神经网络的遥感影像道路提取方法。首先,针对网络前向传播过程分辨率逐渐降低的问题,采用子影像训练网络模型,增强网络对细节信息的获取,然后应用... 针对神经网络训练过程存在分辨率不断降低和梯度消失的共性问题,提出一种基于多尺度卷积神经网络的遥感影像道路提取方法。首先,针对网络前向传播过程分辨率逐渐降低的问题,采用子影像训练网络模型,增强网络对细节信息的获取,然后应用多尺度卷积学习获取不同维度的分层特征,解决由分辨率下降导致的信息缺失问题;其次针对网络在反向传播阶段中出现的梯度消失问题,融入残差连接限制梯度过度更新,改善网络的深度受限问题;最后,针对网络深度和宽度的挖掘导致的网络训练效率问题,使用全局均值池化优化全连接层中大量的冗余数据。大量遥感影像实验结果表明,相对于U-Net网络和经典卷积网络,该方法在Accuracy和F 1值上均具有较大优势。 展开更多

关键词 神经网络 残差连接 多尺度学习 道路提取 全局均值池化

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的岩石物理相识别 被引量：9

11

作者 李盼池 李文杰 《吉林大学学报（信息科学版）》 CAS 2022年第1期51-63,共13页

为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全... 为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全局平均池化层引起的性能下降。实验结果表明,测试集中4种岩石物理相的平均F1分数为0.97,相比其他同类方法提升了0.15左右。研究表明,该方法可用于识别岩石物理相,并可提高分类过程中的可解释性,从而为预测优质致密砂岩储层提供了一种新的深度学习方法。 展开更多

关键词 岩石物理相 可解释一维卷积神经网络 全局平均池化层 扩张卷积 批量归一化

在线阅读 下载PDF 职称材料

结合改进卷积神经网络与通道加权的轻量级表情识别 被引量：5

12

作者 梁华刚 薄颖 +2 位作者 雷毅雄 喻子鑫 刘丽华 《中国图象图形学报》 CSCD 北大核心 2022年第12期3491-3502,共12页

目的表情是人机交互过程中重要的信息传递方式,因此表情识别具有重要的研究意义。针对目前表情识别方法存在背景干扰大、网络模型参数复杂、泛化性差等问题,本文提出了一种结合改进卷积神经网络(convolutional neural network,CNN)与通... 目的表情是人机交互过程中重要的信息传递方式,因此表情识别具有重要的研究意义。针对目前表情识别方法存在背景干扰大、网络模型参数复杂、泛化性差等问题,本文提出了一种结合改进卷积神经网络(convolutional neural network,CNN)与通道加权的轻量级表情识别方法。方法首先,采用标准卷积和深度可分离卷积组合神经网络结构,再利用全局平均池化层作为输出层,简化网络的复杂程度,有效降低网络参数;其次,网络引入SE(squeeze-and-excitation)模块进行通道加权,通过在不同卷积层后设置不同的压缩率增强表情特征提取能力,提升网络模型精度;最后,用softmax分类函数实现各类表情的准确分类。结果本文网络参数量为6108519,相较于识别性能较好的Xception神经网络参数减少了63%,并且通过对网络模型的实时性测试,平均识别速度可达128帧/s。在5个公开的表情数据集上验证网络模型对7种表情的识别效果,与7种卷积神经网络方法相比,在FER2013(Facial Expression Recognition 2013)、CK+(the extended Cohn-Kanade)和JAFFE(Japanses Female Facial Expression)3个表情数据集的识别精确度提高了5.72%、0.51%和0.28%,在RAF-DB(Real-world Affective Faces Database)、AffectNet这两个in-the-wild表情数据库的识别精确度分别提高了2.04%和0.68%。结论本文提出的轻量级表情识别方法在不同通道具有不同的加权能力,获取更多表情关键特征信息,提高了模型的泛化性。实验结果表明,本文方法在简化网络的复杂程度、减少计算量的同时能够准确识别人脸表情,能够有效提升网络的识别能力。 展开更多

关键词 表情识别 图像处理 卷积神经网络(CNN) 深度可分离卷积 全局平均池化 SE模块

原文传递

基于改进型C3D网络的人体行为识别算法 被引量：4

13

作者 席志红 冯宇 《应用科技》 CAS 2021年第5期47-53,共7页

针对原始C3D卷积神经网络参数量庞大,以及在压缩网络参数的同时进一步提高视频数据集中人体行为的识别率的问题,提出一种改进型C3D卷积神经网络模型。首先,采用全局平均池化和卷积分类操作取代全连接层,形成全卷积网络形式,之后在模型... 针对原始C3D卷积神经网络参数量庞大,以及在压缩网络参数的同时进一步提高视频数据集中人体行为的识别率的问题,提出一种改进型C3D卷积神经网络模型。首先,采用全局平均池化和卷积分类操作取代全连接层,形成全卷积网络形式,之后在模型中分别引入卷积核为(3×3×3)和(1×1×1)的三维卷积层,并在此基础上采用卷积核为(3×1×7)和(3×7×1)的三维卷积层对多个(3×3×3)卷积层合并。最后,将所提方法在数据集UCF101和HMDB51上进行训练测试,并与当前深度学习现有流行算法进行比较。实验结果表明,本文所提方法与原始C3D网络模型相比,在UCF101数据集和HMDB51数据集上识别率分别提高了8.9%和7.9%,参数量压缩为原来的32.9%,并且在模型压缩和识别率上也均优于其他方法。 展开更多

关键词 深度学习 人体行为识别 模型压缩 卷积神经网络 卷积核 全局平均池化 卷积层合并 视频数据集

在线阅读 下载PDF 职称材料

基于FMCW毫米波雷达手势识别 被引量：2

14

作者 陈涛 张法桐 刘子铭 《应用科技》 CAS 2021年第6期23-27,共5页

为了研究调频连续波(FMCW)毫米波雷达在手势识别算法中的应用前景,本文通过使用77 GHz毫米波雷达获得了手势动作的回波,在手势动作回波的多帧距离多普勒图中提取了手势动作的距离−时间谱和多普勒−时间谱,并在此基础上建立了二维数据集... 为了研究调频连续波(FMCW)毫米波雷达在手势识别算法中的应用前景,本文通过使用77 GHz毫米波雷达获得了手势动作的回波,在手势动作回波的多帧距离多普勒图中提取了手势动作的距离−时间谱和多普勒−时间谱,并在此基础上建立了二维数据集。使用全局平局池化代替了扁平层与全连接层,构建了双通道的卷积神经网络对手势动作进行了分类,实现了对推、拉、推拉、挥手等7种手势的分类识别,测试集准确率可达99%,相较于单通道卷积神经网络提升了2%~4%。 展开更多

关键词 调频连续波 毫米波雷达 手势识别 回波 距离多普勒 双通道 卷积神经网络 全局平均池化

在线阅读 下载PDF 职称材料

一种面向移动端的浅层CNN表情识别

15

作者 张东晓 陈彦翔 《集美大学学报（自然科学版）》 CAS 2021年第2期129-138,共10页

移动端的表情识别有巨大需求,但是受算力限制,主流深度神经网络无法直接移植。为此,设计了一个浅层网络,在节约计算量的同时保证了识别率。网络中使用三组堆叠而成的卷积层,有助于增大感受野,便于更好地提取特征,这是提升识别率的关键;... 移动端的表情识别有巨大需求,但是受算力限制,主流深度神经网络无法直接移植。为此,设计了一个浅层网络,在节约计算量的同时保证了识别率。网络中使用三组堆叠而成的卷积层,有助于增大感受野,便于更好地提取特征,这是提升识别率的关键;使用全局平均池化层,避免引入额外的全连接层,大幅降低参数量,在训练样本不足的情况下,降低模型过拟合风险。在FER-2013数据集进行训练,准确率超过现有大多数算法;在CK+数据集上进行微调,测试集上的准确率可达到0.96。将所得模型转换为Core ML模型,结合Xcode平台在iOS端搭建了实时表情识别App,在iPhone 8 Plus上能够稳定、流畅运行,识别效果达到预期。 展开更多

关键词 面部表情识别 卷积神经网络 全局平均池化 Google Colab Core ML

在线阅读 下载PDF 职称材料

基于迁移学习和改进CNN的葡萄叶部病害检测系统 被引量：41

16

作者 樊湘鹏 许燕 +3 位作者 周建平 李志磊 彭炫 王小荣 《农业工程学报》 EI CAS CSCD 北大核心 2021年第6期151-159,共9页

为建立高效、准确的葡萄叶部病害检测系统,引入迁移学习机制,利用大型公开数据集对VGG16模型预训练,保持模型前端13个层的参数和权重不变,对全连接层和分类层改进后利用新数据集微调训练模型,包括对训练优化器、学习率和中心损失函数平... 为建立高效、准确的葡萄叶部病害检测系统,引入迁移学习机制,利用大型公开数据集对VGG16模型预训练,保持模型前端13个层的参数和权重不变,对全连接层和分类层改进后利用新数据集微调训练模型,包括对训练优化器、学习率和中心损失函数平衡参数的优选试验,最后将模型部署在Android手机端。试验表明,在微调训练阶段选择Adam优化器、初始学习率设为0.001、中心损失函数平衡参数设为0.12时,改进的VGG16模型性能最优,对葡萄6类叶部图像的分类平均准确率为98.02%,单幅图像平均检测耗时为0.327s。与未改进的VGG16模型相比,平均准确率提高了2.82%,平均检测耗时下降了66.8%,权重参数数量减少了83.4%。改进后的模型综合性能优于AlexNet、ResNet50和Inceptionv3等模型。将模型跨平台部署在Android手机端,自然环境下验证的平均准确率为95.67%,平均检测耗时为0.357 s。该研究建立的基于迁移学习和改进卷积神经网络的病害检测系统可实现对葡萄叶部病害的快速、智能诊断,为葡萄病害的及时防控提供依据。 展开更多

关键词 图像识别 病害 葡萄叶 迁移学习 卷积神经网络 全局平均池化 手机识别系统 智能诊断

在线阅读 下载PDF 职称材料

结合全局与局部池化的深度哈希人脸识别算法 被引量：12

17

作者 曾燕 陈岳林 蔡晓东 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2018年第5期163-169,共7页

针对采用大型卷积神经网络提取高维特征进行人脸识别时占用内存空间较大以及消耗大量计算资源的问题,提出一种结合全局与局部池化的深度哈希全卷积神经网络.第一,提出一种基于全局平均池化层的全卷积网络,用以减少网络参数以及压缩模型... 针对采用大型卷积神经网络提取高维特征进行人脸识别时占用内存空间较大以及消耗大量计算资源的问题,提出一种结合全局与局部池化的深度哈希全卷积神经网络.第一,提出一种基于全局平均池化层的全卷积网络,用以减少网络参数以及压缩模型尺寸;第二,提出一种学习不同特征的融合损失方法,将哈希量化误差损失与分类损失进行加权融合,用以学习具有多分类性质的近似哈希编码.实验表明,该方法能够在Visual Geometry Group(VGG)框架下将识别效率提高68%,且准确率略有提升;融合损失方法扩展到Face Residual Network(Face-ResNet)框架时,在保持准确率的情况下将识别效率提高了23.7%。结果表明,该方法可在保证准确率的前提下有效地从特征提取和特征降维两方面提高识别效率,同时该方法还可扩展用于其他网络. 展开更多

关键词 全局平均池化层 近似哈希编码 融合损失 全卷积网络

在线阅读 下载PDF 职称材料

结合混合池化的双流人脸活体检测网络 被引量：10

18

作者 汪亚航 宋晓宁 吴小俊 《中国图象图形学报》 CSCD 北大核心 2020年第7期1408-1420,共13页

目的人脸识别技术在很多领域起着重要作用,但大量的欺诈攻击对人脸识别产生了威胁,比如打印攻击和重放攻击。传统的活体检测方法是以手工方式提取特征且缺乏对时间维度的考虑,导致检测效果不佳。针对以上问题,提出一种结合混合池化的双... 目的人脸识别技术在很多领域起着重要作用,但大量的欺诈攻击对人脸识别产生了威胁,比如打印攻击和重放攻击。传统的活体检测方法是以手工方式提取特征且缺乏对时间维度的考虑,导致检测效果不佳。针对以上问题,提出一种结合混合池化的双流活体检测网络。方法对数据集提取光流图像并进行面部检测,得到双流网络的两个输入;在双流网络末端加入空间金字塔和全局平均混合池化,利用全连接层对池化后的特征进行分类并进行分数层面的融合;对空间流网络和时间流网络进行融合得到一个最优结果,同时考虑了不同颜色空间对检测性能的影响。结果在CASIA-FASD(CASIA face anti-spoofing database)和replay-attack两个数据集上做了多组对比实验,在CASIA-FASD数据集上,等错误率(equal error rate,EER)为1.701%;在replay-attack数据集上,等错误率和半错误率(half total error rate,HTER)分别为0.091%和0.082%。结论结合混合池化的双流活体检测网络充分考虑时间维度,提出的空间金字塔和全局平均混合池化策略能有效地利用特征。针对包含多种攻击类型、图像质量差异较大的数据集,本文提出的网络模型均能取得较低的错误率。 展开更多

关键词 活体检测 卷积神经网络 双流网络 光流法 空间金字塔池化 全局平均池化

原文传递

基于轻量级卷积神经网络的苹果表面缺陷检测方法 被引量：17

19

作者 周雨帆 李胜旺 +2 位作者 杨奎河 白宇 宋子盈 《河北工业科技》 CAS 2021年第5期388-394,共7页

为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法。首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积... 为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法。首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连接层,从而将卷积层输出的多个特征图以自身为单位进行映射得到特征点。实验结果表明改进后网络对苹果缺陷识别精度达到了98.57%,较改进前提升1.55%;较改进前模型参数量减少99.3%、训练速度提高32.67%、FPS提高33.28%,改进后的轻量级卷积神经网络不仅减少了模型参数量和训练时间,而且提高了检测精度和速度。因此,新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,具有较强的工程实用性,可为苹果缺陷分类提供理论参考。 展开更多

关键词 计算机神经网络 卷积神经网络 表面缺陷检测 深度可分离卷积 全局平均池化

在线阅读 下载PDF 职称材料

基于改进GoogLeNet的锌渣识别算法 被引量：7

20

作者 张振洲 熊凌 +3 位作者 李克波 陈刚 但斌斌 吴怀宇 《武汉科技大学学报》 CAS 北大核心 2021年第3期182-187,共6页

针对目前热镀锌工艺中捞渣机器人工作效率低、缺乏选择性等问题,提出一种基于深度学习的锌渣识别算法,以提高捞渣生产线无人化水平。首先,在GoogLeNet网络基础上进行改进,并搭建了适用于实际生产环境的锌渣识别模型;其次,利用经验丰富... 针对目前热镀锌工艺中捞渣机器人工作效率低、缺乏选择性等问题,提出一种基于深度学习的锌渣识别算法,以提高捞渣生产线无人化水平。首先,在GoogLeNet网络基础上进行改进,并搭建了适用于实际生产环境的锌渣识别模型;其次,利用经验丰富的工作人员所标注的薄渣和厚渣这两类锌渣图片来建立数据库,完成锌渣分类模型的训练;最后,将工业相机采集到的锌渣图像进行分块处理,标记每张小图的位置,将分割后的小图输入到训练好的模型中完成分类,并得到待捞锌渣的位置。实验结果显示,本文方法在测试集上的识别准确率达到99.1%,高于对比算法,并且针对每张锌渣原始图像的平均识别时间为0.36 s,只有传统GoogLeNet模型的53%,这证明所提出的锌渣识别算法具有较好的工业应用前景。 展开更多

关键词 锌渣识别 捞渣 全局平均池化 深度学习 GoogLeNet 卷积神经网络 图像分块

在线阅读 下载PDF 职称材料