检索结果-南通市图书馆

基于阿当姆斯捷径连接的深度神经网络目标检测研究

在线全文

学校读者我要写书评

暂无评论

基于阿当姆斯捷径连接的深度神经网络目标检测研究

作者：杜鹏昆明理工大学

学位级别：硕士

目标检测作为计算机视觉的重要研究领域,是其他图像分析、图像理解领域的基础。目标检测是指在输入图像中识别并定位指定目标。近年,基于深度神经网络的目标检测算法在各类计算机视觉任务中取得了重大的突破,尤其是深度卷积神经网络的发... 详细信息

目标检测作为计算机视觉的重要研究领域,是其他图像分析、图像理解领域的基础。目标检测是指在输入图像中识别并定位指定目标。近年,基于深度神经网络的目标检测算法在各类计算机视觉任务中取得了重大的突破,尤其是深度卷积神经网络的发展,大大提升了深度网络的特征提取能力,提高了基于深度神经网络的目标检测算法性能。于此,本文从深度神经网路的模型压缩及提升目标检测的检测性能角度,针对:1)深度神经网络的深度是其成功的关键,而深度神经网络的可训练性仍是待解决的问题;2)算法在实时应用部署时模型复杂度与精度的平衡问题。进行以下研究:(1)针对深度神经网络易出现参数冗余的问题,本文将微分方程数值解法—阿当姆斯法(Adams)用于深度神经网络的权重学习,提出一种基于阿当姆斯法的捷径连接(shortcut connection),可提高网络后期的学习精度,压缩模型的大小,让模型变得更有效。尤其对网络层数较小的深度神经网络的可训练性优化效果明显。论文以经典的Res Net为例,比较了使用基于Adams法的捷径连接方式的Adams-Res Net与源模型在Cifar10上的性能表现,本文的方法在提高识别正确率的同时将源模型的参数量压缩至一半。(2)针对目标检测算法的实时应用部署,基于YOLOv3目标检测机制,设计了一个更有效的一阶段目标检测网络Adams-YOLOv3。该网络以Res Net34为源网络进行改进,并引用多尺度特征融合设计了新的特征提取网络,提高目标检测算法对不同大小目标的适应能力,同时在满足实时目标检测标准的前提下,提高了目标检测算法对于相似目标的区分能力。实验结果表明,Adams-YOLOv3在垃圾分类任务上平均精度均值(mean Average Precision,m AP)为62.79%,在本文实验环境下平均检测速度为每秒45帧,能满足实时垃圾分类需要。

关键词：目标检测深度神经网络阿当姆斯法捷径连接垃圾分类

捷径连接和噪声对带志愿者的囚徒困境博弈演化的影响

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

甘肃科学学报 2012年第3期24卷 13-16页

作者：李延龙彭辉兰州理工大学物理系甘肃兰州730050

关于双层网络上的博弈研究很少,尤其带志愿者参加的囚徒博弈研究不曾出现过.利用蒙特卡罗数值模拟方法研究带有志愿者参加的囚徒困境博弈模型在双层网络上的演化,研究结果表明:①当捷径连接不存在时,对于较小的背叛诱惑值随着噪声水平... 详细信息

关于双层网络上的博弈研究很少,尤其带志愿者参加的囚徒博弈研究不曾出现过.利用蒙特卡罗数值模拟方法研究带有志愿者参加的囚徒困境博弈模型在双层网络上的演化,研究结果表明:①当捷径连接不存在时,对于较小的背叛诱惑值随着噪声水平的增加合作密度出现多个峰值相干共振现象,较大背叛诱惑值出现单峰相干共振现象;②当存在捷径连接时,原来的多峰相干共振现象被单峰共振现象取代,对较大的背叛诱惑值当增边概率p足够大时会出现2个极大值;③中等程度噪声水平和较小的背叛诱惑值下随增边概率p增加达到一个阈值后志愿者消失,这时增边概率p有利于合作程度的提高;增边概率p小于这个阈值时3种策略共存,由于3种策略的相互入侵随p的变化会得到更复杂的结果.

关键词：囚徒困境捷径连接噪声网络

基于捷径的卷积神经网络在人脸识别中的应用研究

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2018年第4期32卷 80-86页

作者：王飞张莹张东波邵豪成超鹏湘潭大学信息工程学院机器人视觉感知与控制技术国家工程实验室

人脸识别的特征要求具有区分性和识别性,传统的卷积神经网络(CNN)无法将低层次特征与高层次特征进行融合,识别准确率难以进一步提高。提出了一种基于附加惩罚函数和捷径连接的卷积神经网络模型,算法通过将第一层的卷积特征与原有网络模... 详细信息

人脸识别的特征要求具有区分性和识别性,传统的卷积神经网络(CNN)无法将低层次特征与高层次特征进行融合,识别准确率难以进一步提高。提出了一种基于附加惩罚函数和捷径连接的卷积神经网络模型,算法通过将第一层的卷积特征与原有网络模型最后一层的全连接层直接连接,增加了深层次特征的识别能力,减少了浅层主要特征的损失;为了提高已学习到的深度特征的识别能力,算法在原有的softmax损失函数项添加一个惩罚项,使已学习到的同类特征到该类特征中心之间的距离最小化。在CASIA-web、Facescrub数据集上的实验结果表明,改进算法分类准确率优于深度卷积神经网络(DCNN)、GRCC等算法。

关键词：卷积神经网络捷径连接惩罚函数人脸识别

在线全文

学校读者我要写书评

暂无评论

实例特征深度链式学习全景分割网络

光学精密工程 2020年第12期28卷 2665-2673页

作者：毛琳任凤至杨大伟张汝波大连民族大学机电工程学院辽宁大连116600

针对全景分割中实例目标边缘特征提取不足导致目标边界分割失效的问题,提出一种创新的实例特征深度链式学习全景分割网络。该网络由基本的链式单元组合而成,根据单元结构对特征信息处理方法的不同,链式单元分为特征保持链和特征增强链... 详细信息

针对全景分割中实例目标边缘特征提取不足导致目标边界分割失效的问题,提出一种创新的实例特征深度链式学习全景分割网络。该网络由基本的链式单元组合而成,根据单元结构对特征信息处理方法的不同,链式单元分为特征保持链和特征增强链两种。特征保持链是链式网络特征提取过程的输入级,保证输入信息的完整性,而后将特征传递到特征增强链结构;特征增强链通过自身的拓展来加深网络深度,提升特征提取能力。链式学习网络由于具有良好的深度堆叠特性,可以获取丰富的边缘特征信息,提高分割精度。在MS COCO和Cityscapes数据集上的实验结果表明,本文提出的实例特征深度链式学习全景分割网络在分割精度上优于现存同类方法,与全景分割网络常用的Mask RCNN实例分割结构相比,分割准确率最高提升了0.94%。

关键词：全景分割实例特征边缘特征链式网络捷径连接

在线全文

学校读者我要写书评

暂无评论

基于残差密集网络的频谱感知方法

通信学报 2021年第12期42卷 182-191页

作者：盖建新薛宪峰南瑞祥吴静谊哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室黑龙江哈尔滨150080

针对传统卷积神经网络(CNN)频谱感知方法没有充分利用特征图信息并且提取特征图的能力受限于浅层的网络结构等问题,通过在传统CNN频谱感知方法中添加密集连接,实现特征图信息重利用,同时在密集单元的两端加入捷径连接,实现更深层的网络... 详细信息

针对传统卷积神经网络(CNN)频谱感知方法没有充分利用特征图信息并且提取特征图的能力受限于浅层的网络结构等问题,通过在传统CNN频谱感知方法中添加密集连接,实现特征图信息重利用,同时在密集单元的两端加入捷径连接,实现更深层的网络训练,进而提出一种基于残差密集网络(ResDenNet)的频谱感知方法。该方法将频谱感知问题映射为图像二分类问题,首先对接收信号分割成矩阵并归一化灰度处理,得到的灰度图像作为网络的输入,然后通过密集学习和残差学习训练网络,最后将在线数据输入ResDenNet中,完成基于图像分类的频谱感知。数值实验表明,所提方法优于传统频谱感知方法,在信噪比低至-19 dB时,所提方法检测概率仍高达0.96,虚警概率低至0.1,同时具有更好的泛化能力。

关键词：频谱感知残差密集网络密集连接捷径连接

在线全文

学校读者我要写书评

暂无评论

残差网络研究综述

计算机应用研究 2020年第5期37卷 1292-1297页

作者：郭玥秀杨伟刘琦王玉河南大学计算机与信息工程学院河南开封475004

概述了残差网络的研究背景及意义,对残差单元和残差网络的框架进行了综述,并从残差单元、网络框架和混合改进三方面阐述了残差网络的模型改进。最后总结了残差网络在一些领域的成功应用和未来可能的发展趋势。

关键词：残差网络深度学习神经网络捷径连接梯度消失梯度爆炸

在线全文

学校读者我要写书评

暂无评论

深层多级残差网络的图像超分辨率重建

合肥工业大学学报（自然科学版） 2020年第10期43卷 1330-1336页

作者：吴从中魏雪琦詹曙合肥工业大学计算机与信息学院安徽合肥230601

为了改善低分辨率图像的视觉效果,增加图像细节信息量。文章结合现在比较流行的深度残差学习方法,提出一种新颖的残差网络结构,即深度多级残差网络。在残差网络中,当使用恒等映射作为捷径连接时,信号可以从一个单元直接传播到其他单元... 详细信息

为了改善低分辨率图像的视觉效果,增加图像细节信息量。文章结合现在比较流行的深度残差学习方法,提出一种新颖的残差网络结构,即深度多级残差网络。在残差网络中,当使用恒等映射作为捷径连接时,信号可以从一个单元直接传播到其他单元。基于此,该文在原有的残差网络结构上再加上多级捷径链接,挖掘残差网络的优化能力;针对不同的测试集,深层多级残差网络模型取得了更佳的超分辨率(super-resolution,SR)结果,不论是在主观视觉上还是在客观评价指标上均有明显改善,图像清晰度和边缘锐度明显提高。实验结果证明了深层多级残差网络对图像超分辨率重建的有效性,且网络的收敛速度更快,重建质量更好。

关键词：图像超分辨率(SR) 深度学习残差学习卷积神经网络捷径连接

在线全文

学校读者我要写书评

暂无评论

ATM上的多协议规范(MPOA)的研究

湖南大学学报（自然科学版） 1999年第S1期26卷 183-188页

作者：张忆蔚段正华湖南大学计算机科学系

详细阐述了ＭＰＯＡ的组成、基本思想及工作原理，着重分析了ＭＰＯＡ通过集成ＬＡＮＥ及ＮＨＲＰ，将数据包转发及路由选择功能分离到不同的物理实体，从而解决了捷径式路由的问题，提高了网络性能．

关键词： ATM上的多协议规范局域网仿真仿真的局域网下一跳路由解析协议捷径连接

基于Adaptive Trans-StarGAN的非平行多对多语音转换方法

在线全文

学校读者我要写书评

暂无评论

基于Adaptive Trans-StarGAN的非平行多对多语音转换方法

作者：何铮韬南京邮电大学

学位级别：硕士

语音转换是语音合成的一个重要发展分支,其目的是对源说话人的语音进行转换,使转换后的语音像是目标说话人说出来的,也就是保留原始语音的语义信息的同时又具有目标说话人的个性特征。从训练语料的类别来讲,语音转换方法可以分为平行的... 详细信息

语音转换是语音合成的一个重要发展分支,其目的是对源说话人的语音进行转换,使转换后的语音像是目标说话人说出来的,也就是保留原始语音的语义信息的同时又具有目标说话人的个性特征。从训练语料的类别来讲,语音转换方法可以分为平行的语音转换方法和非平行的语音转换方法,两者的区别在于非平行的语音转换方法不需要源说话人和目标说话人的说话内容保持一致,因此非平行的语音转换方法在实际生活中更有应用价值。近年来,随着深度学习的火热发展,各种各样的神经网络模型在语音转换领域进行了成功的实践,而星型生成对抗网络——StarGAN则是热门模型之一。评价语音转换方法性能的两个重要指标是自然度和说话人相似度,本文从改善这两个指标出发,对StarGAN模型进行分析和改进工作。为了解决StarGAN模型的多层卷积神经网络提取的语义表征不充分的问题,本文提出了基于Transitive StarGAN模型的语音转换方法。改进方案使用捷径连接的思想,在生成器的编解码网络之间建立联系,这种做法充分利用多层卷积网络中的多级特征,有助于加强生成器网络的语义学习能力,使生成的频谱具有更完整更真实的基频信息和谐波信息。实验结果证明,与基准方法相比,改进方案的转换语音的语谱图保留了更多的结构信息,更加自然清晰,生成器的损失曲线具有更快的收敛速度和更低的损失值,MOS得分提升了21.62%,ABX结果提升了3.90%,证明了该方案的模型具有良好的生成质量。StarGAN模型将说话人转换的任务看作域转换的任务,而在学习多对多说话人语音转换的映射关系时,对说话人个性特征的学习还不够充分。为了解决这个问题,本文在Transitive StarGAN模型的基础上进一步改进,提出了基于Adaptive Trans-StarGAN模型的语音转换方法。改进的方案使用说话人风格网络对目标说话人的语音提取说话人嵌入,并将该嵌入作为自适应实例归一化的风格特征,对编码网络的多层特征进行风格转换,从而提高生成器对说话人个性特征的学习能力。实验结果表明,改进方案的语谱图在纹理细节上更接近目标说话人,新模型的生成器仍具有较低的损失值,并且几乎没有增加计算负担,MOS得分提升了24.66%,ABX结果提升了6.65%,证明了该方案的模型不仅提升了语音质量,还能够有效地学习说话人个性特征。

关键词：语音转换星型生成对抗网络捷径连接说话人嵌入自适应实例归一化