检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

压缩激励卷积神经网络的蛋白质亚细胞定位

计算机仿真 2022年第7期39卷 461-465页

作者：唐浩漾张小媛钱萌王燕西安邮电大学自动化学院陕西西安710121

针对蛋白质类间差异小导致蛋白质亚细胞定位准确率低、速度慢的问题,提出一种基于压缩激励卷积神经网络的蛋白质亚细胞定位算法。通过搭建结合压缩激励模块的深度卷积神经网络,增强网络提取特征的表达能力,有效提取亚细胞图像中具有区... 详细信息

针对蛋白质类间差异小导致蛋白质亚细胞定位准确率低、速度慢的问题,提出一种基于压缩激励卷积神经网络的蛋白质亚细胞定位算法。通过搭建结合压缩激励模块的深度卷积神经网络,增强网络提取特征的表达能力,有效提取亚细胞图像中具有区分度的特征,并采用极限学习机分类器进行训练和分类,实现亚细胞的快速准确定位。实验结果表明,上述算法在提升定位速度的基础上能提高亚细胞定位准确率,对UCSF yeast GFP数据集内10种蛋白质图像的亚细胞定位平均准确率达到93.36%,与Deepyeast网络模型相比,其定位平均准确率提高了3.91%,对于相似度较高的三种亚细胞,其定位准确率可分别提高7.61%、10.94%、8.3%。

关键词：压缩激励卷积神经网络极限学习机亚细胞定位

嵌入压缩—激励机制ResNet的民族药植物图像识别

在线全文

学校读者我要写书评

暂无评论

软件导刊 2023年第2期22卷 1-7页

作者：周婷杜建强朱彦陈冯振乾江西中医药大学计算机学院江西南昌330004

针对民族药植物图像数据集稀缺、样本量少、图像背景复杂以致图像特征提取困难的问题,构建TibetanMP数据集,提出一种嵌入压缩—激励机制ResNet并结合迁移学习的图像识别方法。该方法对ResNet34在ImageNet上的预训练模型进行迁移学习,以... 详细信息

针对民族药植物图像数据集稀缺、样本量少、图像背景复杂以致图像特征提取困难的问题,构建TibetanMP数据集,提出一种嵌入压缩—激励机制ResNet并结合迁移学习的图像识别方法。该方法对ResNet34在ImageNet上的预训练模型进行迁移学习,以减少过拟合现象,同时在网络浅层中引入SE机制,使网络聚焦图像中的关键特征,最后对模型进行微调。为了评估所提方法的性能,在TibetanMP、Oxford 102 flowers和CIFAR-10数据集上进行实验,模型分别取得96.33%、98.81%和91.92%的识别准确率。与其他主流CNN图像识别模型进行比较,发现该模型具有更高的识别精度,具有一定的工程实用性。

关键词：图像识别民族药植物图像 ResNet 压缩激励迁移学习

维普期刊数据库博看期刊

同方期刊数据库

基于ICEEMDAN分解的SSVEP神经网络分类模型

在线全文

学校读者我要写书评

暂无评论

软件导刊 2025年

作者：李晓明郜东瑞陈俊成都信息工程大学计算机学院

稳态视觉诱发电位因其高信噪比和高信息传输速率，成为脑机接口最常用的控制信号之一。然而，目前基于深度学习的方法过度依赖于个别被试者的校准资料，在被试间的分类性能方面还存在较大改进空间。针对上述难题，结合改进的自适应噪声... 详细信息

稳态视觉诱发电位因其高信噪比和高信息传输速率，成为脑机接口最常用的控制信号之一。然而，目前基于深度学习的方法过度依赖于个别被试者的校准资料，在被试间的分类性能方面还存在较大改进空间。针对上述难题，结合改进的自适应噪声完备集合经验模态分解、基于图卷积网络的空间特征提取器以及基于压缩激励的特征融合模块提出ICE-GSE算法。该算法利用改进的自适应噪声完备集合经验模态分解法将稳态视觉诱发电位信号分解成一组本征模态函数，有效降低了噪声和伪影的影响。空间特征提取器的邻接矩阵能充分表达脑电信号的空间位置关系，从而更好地学习空间域特征。为提升目标识别精度和算法鲁棒性，进一步引入特征融合模块，以便针对性选择与任务最相关的通道。在两个公开数据集上，时间窗口长度设置为0.5～1.0 s，对ICE-GSE与其他传统方法和深度学习方法进行全面比较。实验结果表明，在跨被试情况下，ICE-GSE的分类精度和信息传输速率相较对照方法更加优异，证明了其在分类任务中的可行性。

关键词：稳态视觉诱发电位脑机接口自适应噪声完备集合经验模态分解本征模态函数图卷积压缩激励

基于改进深度残差收缩网络的心电信号分类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

应用数学和力学 2023年第8期44卷 977-988页

作者：龚玉晓高淑萍西安电子科技大学数学与统计学院西安710126

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过... 详细信息

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法.

关键词：心电信号合成少数类过采样技术深度残差收缩网络压缩激励长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

一种改进时序卷积网络的序列推荐方法

小型微型计算机系统 2021年第7期42卷 1382-1388页

作者：施浩杰刘学军肖庆华南京工业大学计算机科学与技术学院南京211816

序列推荐在构建现代推荐系统中起着十分重要的作用,如何对序列进行建模是当前学术界研究的热点.针对传统推荐算法难以表示用户兴趣的动态变化,基于循环神经网络的推荐方法在捕捉复杂的序列关系方面的不足,提出了一种嵌入压缩-激励模块... 详细信息

序列推荐在构建现代推荐系统中起着十分重要的作用,如何对序列进行建模是当前学术界研究的热点.针对传统推荐算法难以表示用户兴趣的动态变化,基于循环神经网络的推荐方法在捕捉复杂的序列关系方面的不足,提出了一种嵌入压缩-激励模块的改进时序卷积网络来提取序列特征.模型利用扩张卷积增大感受野,捕获更多的序列关系,利用残差连接减小反向传播过程中的梯度消失问题.通过对用户和项目特征的融合,模型可以综合考虑用户的短期和长期偏好进行个性化推荐.在两个数据集上的实验结果表明,本文提出的算法要优于基线算法,取得较好的推荐效果.

关键词：序列推荐压缩激励注意力机制扩张卷积时序卷积

在线全文

学校读者我要写书评

暂无评论

联合语义分割和深度估计的多任务学习研究

计算机科学 2023年第S1期50卷 171-180页

作者：罗会兰叶桔江西理工大学信息工程学院江西赣州341000

语义分割和深度估计任务是对图像像素级分类的研究,是两个高度相关的任务。从共享特征学习和特征交互融合两个角度出发,提出两个不同的多任务学习架构,即基于压缩激励模块(Squeeze-and-Excitation,SE)和金字塔池化的多任务学习网络(Mult... 详细信息

语义分割和深度估计任务是对图像像素级分类的研究,是两个高度相关的任务。从共享特征学习和特征交互融合两个角度出发,提出两个不同的多任务学习架构,即基于压缩激励模块(Squeeze-and-Excitation,SE)和金字塔池化的多任务学习网络(Multi-task Learning with SE and Pyramid Pooling,MTL_SPP),以及基于压缩激励和可选择权重(Selective Weight,SW)的多任务学习网络(Multi-task Learning with SE and Selective Weights,MTL_SSW),来联合学习语义分割和深度估计。MTL_SPP架构由共享骨干特征网络和任务特定的子网络组成,利用SE模块构建任务特定子网络,并利用金字塔池化增强特征提取。MTL_SSW在MTL_SPP的基础上,让任务特定子网络的语义分割特征和深度估计特征通过SW模块进行相互指导和优化,学习对特定任务更具判别性的特征。实验结果表明,提出的两种方法在NYUD_v2和SUNRGBD两个数据集上获得了优于先进方法的效果。

关键词：多任务学习语义分割深度估计压缩激励可选择权重

在线全文

学校读者我要写书评

暂无评论

基于深度学习的音频场景分类研究

基于深度学习的音频场景分类研究

作者：乔高杰武汉邮电科学研究院

学位级别：硕士

音频场景分类(Acoustic Scene Classification,ASC)是将音频与其录制场景对应起来的一种方法,是计算机听觉场景分析的重要课题之一。音频场景分类,主要是通过提取音频信号的特征,并将经过分析的特征分类到与之对应的场景。目前的音频场... 详细信息

音频场景分类(Acoustic Scene Classification,ASC)是将音频与其录制场景对应起来的一种方法,是计算机听觉场景分析的重要课题之一。音频场景分类,主要是通过提取音频信号的特征,并将经过分析的特征分类到与之对应的场景。目前的音频场景分类系统主要由音频特征提取和分类器两部分组成,提取的音频特征主要包括梅尔频率倒谱系数和对数梅尔谱图,分类器主要包含循环神经网络,卷积神经网络以及深度神经网络。研究人员通过改进单模型、多模型集成以及迁移学习来提高模型性能。在视频信息质量较差的情况下,通过对音频的分析来辅助视频分类系统的工作,对于自动驾驶和智慧城市等发展有一定的贡献。为了解决音频场景分类准确率低的问题,本文主要是单模型进行改进,研究工作从三个方面进行展开,分别是:以对数梅尔谱图为基础,通过改变滤波器的数量、使用不同通道的音频以及谐波冲击源分离(Harmonic Percussive Source Separation,HPSS)的增强方法来提取不同信息的音频特征;在卷积神经网络作为分类器的基础上,通过添加压缩激励(Squeeze Excitation,SE)模块将能够关注到卷积模块输出特征通道间的信息,并且利用压缩激励来提取不同频率间的信息;以经典的卷积神经网络结构VGG(Visual Geometry Group)和Inception中的基本结构单元为基础,将1个Inception和2个VGG基本结构单元组成混合网络作为分类器。实验表明,在2019声学挑战赛的场景分类数据集上,适当的增加滤波器的数量,使用谐波冲击源分类方法提取的音频特征将分类准确率最高提升了5.4%;基于通道的压缩激励应用能够改善模型分类性能,基于频率的压缩激励模块在部分场景的分类效果有所提升;基于混合网络的模型的分类效果在部分场景分类准确率表现较好。

关键词：音频场景分类卷积神经网络压缩激励谐波冲击源分离

基于YOLOv4-tiny的车辆检测与测距算法研究

同方学位论文库评论

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YOLOv4-tiny的车辆检测与测距算法研究

作者：张云强哈尔滨理工大学

学位级别：硕士

伴随我国经济发展与制造业进步,居民汽车保有量逐年递增。随之而来,交通事故发生率也逐年递增。为进一步保障交通安全,预防交通事故,探索能够提升车辆行驶安全、可靠性的车辆检测与测距技术已迫在眉睫。为保证驾驶员及时感知前方车辆距... 详细信息

伴随我国经济发展与制造业进步,居民汽车保有量逐年递增。随之而来,交通事故发生率也逐年递增。为进一步保障交通安全,预防交通事故,探索能够提升车辆行驶安全、可靠性的车辆检测与测距技术已迫在眉睫。为保证驾驶员及时感知前方车辆距离,有效保持安全车距,本文研究基于YOLOv4-tiny的车辆检测算法和车辆测距算法。针对YOLOv4-tiny算法在交通场景检测中误检率高、远距离小目标检测能力差的缺陷,本文设计了基于YOLOv4-tiny的改进压缩激励路径聚合轻量化网络（Squeeze-and-Excitation Path Aggregation Tiny Network,SEPATNet）车辆检测算法。通过扩增输出特征层,引入注意力机制,重新设计主干网络,达到快速定位目标所属区域的目的。在特征融合方面,采用路径聚合网络增强了浅层细节信息与深层特征的融合,进一步提升了检测算法对图像中检测目标的定位能力,并通过深度可分离卷积与反向残差结构对算法进行轻量化压缩,保障了算法的实时性要求。应用调整后扩增远距离小目标与夜间行车场景的车辆检测数据集进行训练发现,本文提出的SEPATNet车辆检测算法在交通场景下平均正确率可达84.98%,相较于YOLOv4-tiny算法,提高了8.89%,检测速度达84fps,可完全满足车辆检测的任务需要。基于车牌检测的测距算法近距离测距精度较高,但远距离精确度降低、易测距失败;落地点测距算法易出现遮挡造成定位不准、摄像头偏航角影响测距精度的问题。本文综合考虑了摄像机俯仰角和偏航角,重新设计了全姿态落地点坐标测距算法,实现了车牌高度定位与全姿态落地点坐标协同测距算法。实验结果显示,在SEPATNet算法检测结果下,前方车辆协同测距算法在100m范围内测距的最大误差为3.39%,平均误差为1.52%,有效保障了测距精度的需求。

关键词：车辆检测车辆测距注意力机制压缩激励路径聚合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

尿液细胞图像分割与识别算法研究与实现

尿液细胞图像分割与识别算法研究与实现

作者：韦玥西安电子科技大学

学位级别：硕士

尿液有形成分细胞分析对作为医学三大常规检查项目之一的尿液检测具有重要的参考价值,其分析方法主要有相差显微镜人工镜检以及各种类型的分析仪自动分析,但分别存在效率低和误差较大的问题,难以处理尿液检测中出现的海量有形成分细胞... 详细信息

尿液有形成分细胞分析对作为医学三大常规检查项目之一的尿液检测具有重要的参考价值,其分析方法主要有相差显微镜人工镜检以及各种类型的分析仪自动分析,但分别存在效率低和误差较大的问题,难以处理尿液检测中出现的海量有形成分细胞图像。目前,随着深度卷积神经网络的快速发展,越来越多的人将这些技术应用到尿液有形成分细胞分析中,为提高其分析结果的准确率提供了新的方法。尿液有形成分细胞分析识别的主要内容包括尿液图像中的红细胞、白细胞、结晶、管型等12类病理成分。该过程分为两个重要步骤,分割和识别,首先对尿液图像中的各类细胞分割提取,然后对提取出来的结果进行识别分类。由于分割算法和识别算法在尿液图像的具体应用方面研究较少,本文将针对尿液图像和细胞形态特点,围绕这两个方面工作进行研究。具体如下:(1)在尿液图像分割方面,针对尿液细胞形态复杂多变、灰度值相差大且细胞与背景之间梯度不一致的特点,设计了一种基于边缘检测自适应种子区域生长的尿液图像分割算法。该算法给出了进行种子区域生长时种子的选取方案和生长判决条件及生长过程,通过边缘检测的方法将种子选取在尿液图像的背景上并进行自适应阈值选取,能够对尿液图像中的有形成分细胞进行有效的分割。实验结果表明,与其他的分割算法相比,该算法具有更好的的分割效果和更高的鲁棒性。(2)在尿液有形成分图像识别方面,针对细胞个体相似性较高的特点,结合Goog Le Net网络的特征提取能力和SENet的特征通道学习能力,提出了一种压缩激励机制驱动的尿液细胞图像分类算法SE-Goog Le Net。该算法通过压缩操作和激励操作来学习细胞特征通道之间的依赖关系,并采用特征重标定提升重要特征在当前任务中的权重,能够获取更好的分类效果。针对各类细胞数量分布不平衡的问题,采用改进的类别重组法进行数据预处理,并提出了一种更适用于尿液细胞图像识别的损失函数Gauss Loss,该损失函数可以让模型将更多的注意力聚焦在中高等难度样本上,减少误标样本带来的影响,同时也保证易分类样本的权重不至于太低,也可以参与到损失函数的梯度优化中。通过对比实验表明,该算法在保证运行速度的情况下可以有效提升识别分类的准确率。结合所提出的尿液图像分割算法和有形成分细胞识别算法,设计并开发了尿液有形成分细胞分析软件,通过对软件功能的设计、实现和测试,可以分别完成对尿液图像的分割任务和对分割出的有形成分细胞图像的识别任务并进行结果展示,具有一定的灵活性和很好的应用价值。

关键词：尿液细胞图像边缘检测种子区域生长压缩激励 SE-GoogLeNet 高斯损失