检索结果-南通市图书馆

基于三维卷积神经网络的双重刺激脑机接口解码研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维卷积神经网络的双重刺激脑机接口解码研究

作者：伍凌宇河北工业大学

学位级别：硕士

脑机接口(brain-computer interface,BCI)是人脑与外界环境建立的一条不依赖于外周神经和肌肉组织的交流通路。事件相关电位(event related potential,ERP)是广泛应用于BCI的脑电信号之一,基于ERP的BCI具有指令数量大、训练时间短、受... 详细信息

脑机接口(brain-computer interface,BCI)是人脑与外界环境建立的一条不依赖于外周神经和肌肉组织的交流通路。事件相关电位(event related potential,ERP)是广泛应用于BCI的脑电信号之一,基于ERP的BCI具有指令数量大、训练时间短、受众人群多的特点,但是在解码方面仍然存在难以满足交互需求的问题。针对视觉刺激数量较多的视觉诱发ERP BCI,视觉刺激的诱发方式与个体内差异导致脑电非平稳,引起解码精度降低,不利于人机交互。因此,本文研究双重刺激的视觉诱发方法和三维卷积神经网络模型,建立多视觉刺激界面下的脑电解码模型,提高视觉诱发ERP BCI的解码稳定性。本文首先研究双重视觉刺激诱发方法。针对解码模型的精度问题,提出局部滑动的呈现方式,建立空间分布和随机呈现规则,进而构建双重刺激界面。分析十五个被试在该界面下的ERP特征和BCI性能,发现局部滑动刺激方式显著提高了脑电幅值以增加脑电特征;空间分布和随机呈现规则降低了刺激之间的混淆与干扰能力,为后续解码模型提供了平稳特征的脑电数据。双重视觉诱发界面研究表明该研究能够显著增加BCI的脑认知电位识别能力以提高模型的解码精度,增加BCI在复杂环境中的可行性,为本文建立ERP BCI提供坚实稳定的实验范式基础。本文其次研究三维卷积神经网络的脑电解码方法。针对脑电解码的个体内差异解码精度问题,提出视频流式的脑电处理方法,动态捕捉脑地形图并将脑电数据转化为三维输入矩阵;构建三维卷积核,使用立体卷积操作;构建多通道三维矩阵输入方式。将三维卷积神经网络与传统线性分类器和深度学习神经网络方法比对,运用准确率、信息传输率、Kappa系数和训练时间等指标分析算法性能。结果表明三维卷积神经网络,显著提高了BCI的识别准确率。本文完成了跨时间脑电诱发实验,实验证明了三维卷积神经网络在跨时分类上有较高的适应能力和解码性能。三维卷积神经网络的研究表明该网络显著提高了BCI的解码精度,提高了BCI的鲁棒性,神经网络的多输入方式降低了训练模型的数据冗余性,为本文建立ERP BCI提供了精准的深度学习解码模型。

关键词：脑机接口事件相关电位双重刺激三维卷积神经网络脑电解码

一种用于微表情自动识别的三维卷积神经网络进化方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学 2020年第8期47卷 227-232页

作者：梁正友何景琳孙宇广西大学计算机与电子信息学院南宁530004

由于微表情持续时间短、动作幅度小,因此微表情自动识别一直是一个具有挑战性的问题。针对上述问题,提出一种用于微表情识别的三维卷积神经网络进化(Three-Dimensional Convolutional Neural Network Evolution,C3DEvol)方法。该方法使... 详细信息

由于微表情持续时间短、动作幅度小,因此微表情自动识别一直是一个具有挑战性的问题。针对上述问题,提出一种用于微表情识别的三维卷积神经网络进化(Three-Dimensional Convolutional Neural Network Evolution,C3DEvol)方法。该方法使用能有效提取动态信息的三维卷积神经网络(Three-Dimensional Convolutional Neural Network,C3D)来提取微表情在时域和空域上的特征;同时使用具有全局搜索和优化能力的遗传算法对C3D的网络结构进行优化,以获取最优的C3D网络结构和避免局部优化。利用CASME2数据集在带有两块NVIDIA Titan X GPU的工作站上开展了实验,结果表明C3DEvol微表情自动识别的准确率达到63.71%,优于现有的微表情自动识别方法。

关键词：微表情识别遗传算法三维卷积神经网络特征提取网络结构优化

在线全文

学校读者我要写书评

暂无评论

基于三维卷积神经网络的湖泊提取算法

计算机应用 2019年第12期39卷 3450-3455页

作者：徐姗姗颜超高琳明南京林业大学信息科学技术学院南京210037 国防科技大学气象海洋学院南京211101

针对现有分析湖泊几何信息算法的二维图像湖泊轮廓提取精度低的问题,提出了一种基于三维卷积神经网络的湖泊提取算法。首先,基于平整度信息从激光扫描点云中定位出候选湖泊并对输入的候选区域点云进行体素化组织,作为神经网络的输入;同... 详细信息

针对现有分析湖泊几何信息算法的二维图像湖泊轮廓提取精度低的问题,提出了一种基于三维卷积神经网络的湖泊提取算法。首先,基于平整度信息从激光扫描点云中定位出候选湖泊并对输入的候选区域点云进行体素化组织,作为神经网络的输入;同时,通过深度学习技术,从候选区域中过滤非湖泊区域;然后,基于方向链码算法从点云中提取湖泊的边缘并分析其几何形状信息。实验结果表明,所提算法在提取激光扫描点云中的湖泊精度可达到96.34%,与当前在二维图像中的湖泊提取算法相比,可对目标湖泊形状信息进行计算与分析,从而为湖泊监测与管理提供方便。

关键词：激光扫描数据三维卷积神经网络湖泊提取链码边界描述

一种高光谱遥感影像的三维卷积神经网络语义分割方法

在线全文

学校读者我要写书评

暂无评论

渤海大学学报（自然科学版） 2022年第4期43卷 370-376页

作者：张芳菲穆潇莹渤海大学信息科学与技术学院辽宁锦州121013 中电太极(集团)有限公司北京100083

高光谱图像具有丰富的光谱信息和空间信息,综合运用空间特征和光谱特征是提高高光谱图像分类精度的关键.针对传统二维的卷积神经网络无法充分利用高光谱丰富光谱信息的问题,设计一种基于三维卷积神经网络(Three-dimensional convolution... 详细信息

高光谱图像具有丰富的光谱信息和空间信息,综合运用空间特征和光谱特征是提高高光谱图像分类精度的关键.针对传统二维的卷积神经网络无法充分利用高光谱丰富光谱信息的问题,设计一种基于三维卷积神经网络(Three-dimensional convolutional neural network, 3D-CNN)的深度卷积编解码网络,将三维卷积神经网络引入编码结构,同时提取光谱和空间特征,并且在池化层引入池化索引策略;解码部分利用最大池化索引上采样操作.两个高光谱遥感影像公开数据集的分类实验结果表明,实现了高光谱的空间和光谱特征的融合提取,较基于2D-CNN的分类方法能够获得更高的分类精度.

关键词：高光谱图像三维卷积神经网络语义分割光谱特征

基于三维卷积神经网络的肺结节探测与定位方法

在线全文

学校读者我要写书评

暂无评论

生物信息学 2022年第1期20卷 28-34页

作者：侯智超杨杨李晓琴北京工业大学环境与生命学部北京100124

提出一种基于三维卷积神经网络对肺部计算机断层扫描图像(CT)进行肺结节自动探测及定位的方法。基于开源数据集LUNA16开展研究,对数据进行像素归一化、坐标转换等预处理,对正样本使用随机平移、旋转和翻转的方式进行扩充,对负样本进行... 详细信息

提出一种基于三维卷积神经网络对肺部计算机断层扫描图像(CT)进行肺结节自动探测及定位的方法。基于开源数据集LUNA16开展研究,对数据进行像素归一化、坐标转换等预处理,对正样本使用随机平移、旋转和翻转的方式进行扩充,对负样本进行随机采样。搭建了三维卷积神经网络并在训练过程中调整网络参数,直到得到性能最佳的网络。此外还设计了模型在肺部的三维空间中标记肺结节的方法。经测试,模型的敏感性为93.03%,特异性为97.39%,结果表明所提方法能够较为准确地探测并标记结节。

关键词：深度学习三维卷积神经网络肺结节探测

基于三维多尺度神经网络的高光谱图像超分辨率研究

在线全文

学校读者我要写书评

暂无评论

基于三维多尺度神经网络的高光谱图像超分辨率研究

作者：汤院长沙理工大学

学位级别：硕士

高光谱图像不仅包含了目标场景的空间信息还包含了丰富的光谱信息,在众多领域中都有广泛的应用。但由于高光谱成像传感器的硬件限制,高光谱图像在包含丰富的光谱分辨率的同时,其空间分辨率都很低。所以,在短时间内无法解决硬件限制的情... 详细信息

高光谱图像不仅包含了目标场景的空间信息还包含了丰富的光谱信息,在众多领域中都有广泛的应用。但由于高光谱成像传感器的硬件限制,高光谱图像在包含丰富的光谱分辨率的同时,其空间分辨率都很低。所以,在短时间内无法解决硬件限制的情况下,通过研究高光谱图像的超分辨率算法来提高其空间分辨率变得尤为重要。由于单图像的高光谱图像的超分辨率方法不需要任何的辅助图像,具有很好的灵活性。本文结合深度学习三维多尺度神经网络,提出了两种基于三维多尺度神经网络的单一高光谱图像超分辨率算法。本文的主要贡献有两点:基于三维尺度特征融合网络的高光谱图像超分辨率算法、基于三维多尺度多网络互学习的高光谱图像超分辨率算法。(1)通过级联三维多尺度融合模块,本文首先提出了基于三维尺度特征融合网络的高光谱图像超分辨率。三维多尺度融合模块包括分组多尺度特征融合部分和多尺度特征聚集部分。在分组多尺度特征融合部分中,提出了一种新颖的分组多尺度特征融合方法,而在多尺度特征聚合部分,提出了自适应特征组合模块和两步多尺度模块。为防止光谱失真,还提出了一种光谱梯度损失函数,并结合均方误差损失函数形成了最终的损失函数。由于所提出的超分辨率网络完全由三维卷积构成,因此,即使测试图像的波段数量与训练图像的波段数量不一样,提出的方法可以在不做任何修改的情况下,实现图像超分辨率,这样能够节省大量的训练时间,从而提高效率。(2)本文其次提出了一种基于三维多尺度多网络互学习的高光谱图像超分辨率算法,所提出的方法包括单网络超分辨率部分和多网络集成部分。在单网络超分辨率部分,通过级联三维多尺度混合注意力模块构建了两个三维多尺度注意力网络,以恢复高分辨率的高光谱图像。其中,三维混合注意力模块由三维Res2net模块和混合注意力模块组成,对于混合注意模块,本文组合了一阶注意力和二阶注意力。另外,本文在两个三维多尺度注意力网络之间使用了互学习损失,以便他们可以互相学习。而在集成部分中,提出了融合模块以合并每个三维多尺度注意力网络的输出。该方法能够在超分指标和视觉上面取得很好的效果。

关键词：高光谱图像图像超分辨率三维卷积神经网络多尺度特征融合互学习

基于三维卷积神经网络的视频视觉关系检测识别与推理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维卷积神经网络的视频视觉关系检测识别与推理

作者：邵文凯哈尔滨工业大学

学位级别：硕士

视频视觉关系检测是一个重大意义且具有挑战性的研究课题,该任务旨在挖掘视频中不同目标之间的动态视觉关系。视频视觉关系作为动态视觉与语言之间的桥梁,其实例可以表示为这样的关系三元组,例如:“人-骑-马”和“狗-朝向-人”。这样的... 详细信息

视频视觉关系检测是一个重大意义且具有挑战性的研究课题,该任务旨在挖掘视频中不同目标之间的动态视觉关系。视频视觉关系作为动态视觉与语言之间的桥梁,其实例可以表示为这样的关系三元组,例如:“人-骑-马”和“狗-朝向-人”。这样的视频视觉关系实例提供了视频中更丰富、更全面的视觉内容理解。目前现有的许多工作重点在于检测静态图像内容中的视觉关系实例,而对视频中的视觉关系检测的关注则是非常有限的,所以现有的视频视觉关系检测领域的数据集较少。本文提供了一个新的用于视频视觉关系检测的数据集:Vid PDR,该数据集包含了1000个视频以及每个视频对应的手工标注的视觉关系实例。此外,本文调研了现有的视频视觉关系检测方法,多数方法都采用了将整段视频分割为短期视频段,将短期视频段上预测得到的视觉关系融合为完整的视频级的视觉关系实例的策略,并在短期视频段上进行视觉关系预测时,采用了手工设计的特征。这些特征描述是基于人类的认知而设计的,包含了视频中目标的一些边界信息和运动信息,通过对目标间的空间位置信息、运动信息进行编码,得到特征向量,从而对短期视觉关系进行预测。本文基于已有的视频视觉关系检测方法提出了一种新的视频视觉关系检测方法,它沿用了三段式的检测方法,包括提取目标轨迹、短时段视觉关系预测和视觉关系的贪婪融合三个阶段。首先,该方法采用先进的目标检测方法来保证检测到的目标轨迹序列的准确性;其次,利用三维卷积神经网络提取视频中的时空特征,来协助预测目标对之间的短期视觉关系;最后,根据贪心规则将短期视觉关系关联融合为完整的视觉关系实例。通过在多个公开数据集上进行的大量实验,验证了三维卷积神经网络提取视频中的时空特征的有效性,最终验证了该方法在视频视觉关系检测任务中比使用其他手段提取特征的方法有一定的改进。

关键词：计算机视觉视频内容分析视频标注视频视觉关系检测三维卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维卷积神经网络的虫音特征识别方法

计算机应用 2019年第9期39卷 2744-2748页

作者：万永菁王博玮娄定风华东理工大学信息科学与工程学院上海200237 深圳海关广东深圳518045

进口木材蛀虫检疫是海关的一项重要工作,但其存在着虫声检测算法准确率低、鲁棒性差等问题。针对这些问题,提出了一种基于三维卷积神经网络(3D CNN)的虫音检测方法以实现虫音特征的识别。首先,对原始虫音音频进行交叠分帧预处理,并使用... 详细信息

进口木材蛀虫检疫是海关的一项重要工作,但其存在着虫声检测算法准确率低、鲁棒性差等问题。针对这些问题,提出了一种基于三维卷积神经网络(3D CNN)的虫音检测方法以实现虫音特征的识别。首先,对原始虫音音频进行交叠分帧预处理,并使用短时傅里叶变换得到虫音音频的语谱图;然后,将语谱图作为3D CNN的输入,使其通过包含三层卷积层的3D CNN以判断音频中是否存在虫音特征。通过设置不同分帧长度下的输入进行网络训练及测试;最后以准确率、F 1分数以及ROC曲线作为评估指标进行性能分析。结果表明,在交叠分帧长度取5 s时,训练及测试效果最佳。此时,3D CNN模型在测试集上的准确率达到96.0%,F 1分数为0.96,且比二维卷积神经网络(2D CNN)模型准确率提高近18%。说明所提算法能准确地从音频信号中提取虫音特征并完成蛀虫识别任务,为海关检验检疫提供有力保障。

关键词：三维卷积神经网络短时傅里叶变换语谱图虫音识别声学信号处理

在线全文

学校读者我要写书评

暂无评论

基于多输入三维卷积神经网络的脑电解码模型

现代电子技术 2023年第19期46卷 149-154页

作者：邓豪东王俊易葛骏一林放李梦凡河北工业大学生命科学与健康工程学院天津300232 北京师范大学生命科学学院广东珠海519087 博睿康科技(常州)股份有限公司江苏常州213000

脑机接口是实现人脑与外界交互的关键技术,脑电解码是其中的核心环节,并随着深度学习发展在预测大脑意图的精度方面得到显著提升。然而个体内脑电信号差异降低了脑电解码模型的鲁棒性。为此,提出一种多输入三维卷积神经网络(MT-3D-CNN)... 详细信息

脑机接口是实现人脑与外界交互的关键技术,脑电解码是其中的核心环节,并随着深度学习发展在预测大脑意图的精度方面得到显著提升。然而个体内脑电信号差异降低了脑电解码模型的鲁棒性。为此,提出一种多输入三维卷积神经网络(MT-3D-CNN)的脑电解码模型,通过融合脑电数据的空间排布与时间排布,形成两种三维矩阵数据作为卷积网络的多输入,采用三维卷积核沿时-空方向进行特征提取与解码。10名被试参加了间隔6 h和12 h的脑机接口实验,并采用MT-3D-CNN进行跨时间的解码预测。MT-3D-CNN的单次解码准确率在长时间下分别维持在78.15%和72.56%,高于单输入的3D-CNN(62.89%和52.35%),表明MT-3D-CNN通过对脑电数据的时间和空间的多种排布方式形成的多输入能够充分利用其三维卷积核学习与提取特征的能力,并且针对个体内脑电差异具有更强的解码性能,有助于推动脑机接口系统的普及使用。

关键词：脑电图个体内差异三维卷积神经网络数据排布脑电解码跨时间脑机接口鲁棒性