检索结果-南通市图书馆

基于深度卷积网络和结合策略的乳腺组织病理图像细胞核异型性自动评分

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

中国生物医学工程学报 2017年第3期36卷 276-283页

作者：周超徐军罗波南京信息工程大学江苏省大数据分析技术重点实验室南京210044 华中科技大学附属武汉市中心医院病理科武汉430014

细胞核异型性是评估乳腺癌恶性程度的一个重要指标,主要体现在细胞核的形状、大小变化、纹理和质密度不均化。提出基于深度学习和结合策略模型的乳腺组织细胞核异型性自动评分模型。该模型使用3个卷积神经网络,分别处理每个病例的3种不... 详细信息

细胞核异型性是评估乳腺癌恶性程度的一个重要指标,主要体现在细胞核的形状、大小变化、纹理和质密度不均化。提出基于深度学习和结合策略模型的乳腺组织细胞核异型性自动评分模型。该模型使用3个卷积神经网络,分别处理每个病例的3种不同分辨率下的组织病理图像,每个网络结合滑动窗口和绝对多数投票法,评估每个病例同一种分辨率下的图像的分值,得到3种分辨率下的评分结果。使用相对多数投票法,综合评估每个病例的最终细胞核异型性评分结果。为评估模型对细胞核异型性评分的有效性,利用训练好的模型对124个病例的测试图像进行自动评分,并把其评分结果与病理医生的评分结果作比较,进行性能评估。该模型的评分正确率得分为67分,其结果在现有的细胞核异型性评分模型中准确率排名第二。此外,该模型的计算效率也很高,平均在每张×10、×20、×40分辨率下图像的计算时间分别约为1.2、5.5、30 s。研究表明,该细胞核异型性评分模型不仅具有较高的准确性,而且计算效率高,因此具备潜在的临床应用能力。

关键词：细胞核异型性深度卷积网络绝对多数投票法相对多数投票法

在线全文

学校读者我要写书评

暂无评论

基于深度卷积网络的目标检测综述

模式识别与人工智能 2018年第4期31卷 335-346页

作者：吴帅徐勇赵东宁哈尔滨工业大学深圳研究生院智能感知与生物信息学创新团队深圳518000 深圳大学信息工程学院深圳518000

在基于区域的卷积神经网络提出后,深度卷积网络开始在目标检测领域普及,更快的基于区域的卷积神经网络将整个目标检测过程合成在一个统一的深度网络框架上.随后YOLO和SSD等目标检测框架的提出进一步提升目标检测的效率.文中系统总结基... 详细信息

在基于区域的卷积神经网络提出后,深度卷积网络开始在目标检测领域普及,更快的基于区域的卷积神经网络将整个目标检测过程合成在一个统一的深度网络框架上.随后YOLO和SSD等目标检测框架的提出进一步提升目标检测的效率.文中系统总结基于深度网络的目标检测方法,归为2类:基于候选窗口的目标检测框架和基于回归的目标检测框架.基于候选窗口的目标检测框架首先需要在输入的图像上产生很多的候选窗口,然后对这些候选窗口进行判别.这里的判别包括:对窗口包含物体的类别(包括背景)进行判断、对窗口的位置进行回归.基于回归的目标检测方法将图像目标检测看作是一个回归的过程.在此基础上,在PASCAL_VOC和COCO等主流数据库上对比目前两类目标检测框架中的主流方法,分析两类方法各自的优势.最后根据当前深度网络目标检测方法的发展趋势,对目标检测方法未来的研究热点做出合理预测.

关键词：深度卷积网络目标检测候选窗口感兴趣区域(ROI)池化

采用视觉显著性和深度卷积网络的鲁棒视觉车辆识别算法

在线全文

学校读者我要写书评

暂无评论

江苏大学学报（自然科学版） 2015年第3期36卷 331-336页

作者：蔡英凤王海陈龙江浩斌江苏大学汽车工程研究院江苏镇江212013 江苏大学汽车与交通工程学院江苏镇江212013

针对传统采用人工特征的机器学习算法难以满足复杂交通场景下鲁棒车辆识别需求的问题,以视觉显著性理论为依据,提出一种利用显著图的车辆候选提取方法.在深度学习的知识框架下,提出了一种采用深度卷积网络(deep convolutional neural ne... 详细信息

针对传统采用人工特征的机器学习算法难以满足复杂交通场景下鲁棒车辆识别需求的问题,以视觉显著性理论为依据,提出一种利用显著图的车辆候选提取方法.在深度学习的知识框架下,提出了一种采用深度卷积网络(deep convolutional neural networks,DCNN)的鲁棒视觉车辆识别算法.该DCNN分类器采用卷积层和池层构建2组隐层,并直接以灰度图片像素作为输入,经由随机梯度下降算法进行训练,最后以全连接层输出车辆识别判断.选择KITTI标准库作为测试数据库进行了车辆识别试验.结果表明,所提出的车辆识别算法可实现98.13%的检测率和1.77%的误检率,总体性能优于已有算法.

关键词：车辆识别机器视觉视觉显著性深度卷积网络深度学习

基于深度卷积网络的结直肠全扫描病理图像的多种组织分割

在线全文

学校读者我要写书评

暂无评论

中国生物医学工程学报 2017年第5期36卷 632-636页

作者：蔡程飞徐军梁莉魏建华周洋枢南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南方医科大学病理学系广州510515

结直肠全扫描图像处理困难,原因在于图像的数据量大、结构复杂、信息含量多。目前对于结直肠癌组织病理图像的研究通常包含肿瘤和基质两种组织类型,只有一小部分研究可以解决多种组织的问题,但又不是处理全扫描的结直肠病理图像。提出... 详细信息

结直肠全扫描图像处理困难,原因在于图像的数据量大、结构复杂、信息含量多。目前对于结直肠癌组织病理图像的研究通常包含肿瘤和基质两种组织类型,只有一小部分研究可以解决多种组织的问题,但又不是处理全扫描的结直肠病理图像。提出一种基于深度卷积网络的结直肠全扫描病理图像进行多种类型组织分割的模型。该模型使用的网络层数有8层,利用深度卷积网络学习结直肠全扫描图像中典型的8种类型的组织,利用训练好的模型对这8种类型的结直肠组织进行分类测试,其测试集分类准确率达92.48%。利用该模型对结直肠全扫描病理图像中的8种类型组织进行分割,首先对全扫描图像进行预处理,分成5000像素×5000像素大小的图像块,然后标记出每一张中的8种类型的组织,最后将所得到的标记结果进行拼接,从而获得整张结直肠全扫描病理图像的8种类型组织的标记结果。该方法对8种类型的组织分割的准确率比较高,有一定辅助诊断的帮助。

关键词：全扫描病理图像多种类型组织深度卷积网络

在线全文

学校读者我要写书评

暂无评论

基于二维深度卷积网络的旋转机械故障诊断

机械强度 2020年第5期42卷 1039-1044页

作者：张立智徐卫晓井陆阳谭继文青岛理工大学机械与汽车工程学院青岛266520

针对旋转机械振动信号复杂且难以提取有效故障特征的问题,提出了一种短时傅里叶变换和二维深度卷积网络相结合的故障诊断方法。首先对旋转机械振动信号进行短时傅里叶变换,得到时频图;接着将时频图输入到二维深度卷积网络中进行识别,得... 详细信息

针对旋转机械振动信号复杂且难以提取有效故障特征的问题,提出了一种短时傅里叶变换和二维深度卷积网络相结合的故障诊断方法。首先对旋转机械振动信号进行短时傅里叶变换,得到时频图;接着将时频图输入到二维深度卷积网络中进行识别,得到最终分类结果。将该方法分别应用于滚动轴承与齿轮箱故障诊断中,在凯斯西储大学滚动轴承数据集、PHM2009直齿齿轮箱数据集上均取得了较好效果,正确率优于将时域信号直接输入到经典CNN中,验证了该方法的优越性。

关键词：滚动轴承齿轮箱故障诊断深度卷积网络短时傅里叶变换

基于STFT‑SST和深度卷积网络的多相码雷达信号识别

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2020年第6期35卷 1090-1096页

作者：倪雪王华力徐志军荣传振陆军工程大学通信工程学院南京210007

多相码雷达信号特征相似,类间差距小,在低信噪比(Signal‑to‑noise ratio,SNR)下极易混淆。Choi‑Williams等时频分布由于受时频分辨率的约束,难以刻画多相码信号的细节特征。为此,本文提出了一种基于同步挤压短时傅里叶变换(Short‑time F... 详细信息

多相码雷达信号特征相似,类间差距小,在低信噪比(Signal‑to‑noise ratio,SNR)下极易混淆。Choi‑Williams等时频分布由于受时频分辨率的约束,难以刻画多相码信号的细节特征。为此,本文提出了一种基于同步挤压短时傅里叶变换(Short‑time Fourier transform‑based synchrosqueezing transform,STFT‑SST)和深度卷积网络的自动分类识别算法。在特征选取上,采用STFT‑SST对多相码雷达信号进行时频分析,并提出一种频谱增强算法,用于提升低SNR下的时频特征表示,以获得高分辨率的时频特征图像;在分类网络上,设计了一个9层深度卷积网络,并引入Inception模块,提升网络对细节特征的捕获能力。仿真结果表明,当SNR为-8 dB时,该系统对5种特定多相码的平均识别率达91.8%,在低SNR下具有更好的识别性能。

关键词：多相码同步挤压短时傅里叶变换(STFT‑SST) 深度卷积网络频谱增强

在线全文

学校读者我要写书评

暂无评论

结合深度卷积网络及光学图像的降雨强度识别

福建农林大学学报（自然科学版） 2020年第4期49卷 567-576页

作者：洪思弟赖绍钧林志玮丁启禄刘金福福建农林大学计算机与信息学院福建福州350002 福州市气象局福建福州350014 福建农林大学林学院福建福州350002 福建农林大学林学博士后流动站福建福州350002 福建农林大学海峡自然保护区研究中心福建福州350002 生态与资源统计福建省高校重点实验室福建福州350002

基于降雨图像数据,依据降雨量划分不同的降雨强度;结合深度神经网络理论建立降雨强度识别模型,对降雨强度进行实时监测与预警.首先,通过福州市8个气象站点获取降雨图像及其对应的降雨量数据;其次,依据降雨强度对降雨图像进行分类,共分为... 详细信息

基于降雨图像数据,依据降雨量划分不同的降雨强度;结合深度神经网络理论建立降雨强度识别模型,对降雨强度进行实时监测与预警.首先,通过福州市8个气象站点获取降雨图像及其对应的降雨量数据;其次,依据降雨强度对降雨图像进行分类,共分为6个等级,并将数据分为白天图像和晚上图像2个数据集;最后,采用DenseNet深度卷积神经网络构建降雨强度识别模型.结果表明:(1)各气象站点降雨强度的识别精度均高于80%,识别精度不存在明显差异;(2)白天降雨图像的识别精度高于晚上;(3)白天和晚上图像存在特征差异,使其识别精度在不同网络层数上的变化趋势不一致;(4)数据量不均衡将会影响模型总体的识别精度.表明基于降雨图像的DenseNet降雨强度识别模型具有良好的数据适应性及准确的识别结果.

关键词：降雨强度识别深度卷积网络 DenseNet网络

在线全文

学校读者我要写书评

暂无评论

基于深度卷积网络的图像边缘检测方法

现代制造工程 2018年第2期 144-149页

作者：赵新亚沈阳职业技术学院电气工程学院沈阳110000

边缘检测对于目标物体检测准确率非常重要,精确地分割图像目标是边缘检测的目的。为了有效地提取目标,提出一种基于深度卷积网络的图像边缘检测方法。该方法建立三层卷积网络,通过对大规模数据集Image Net图像进行深度学习,使卷积网络... 详细信息

边缘检测对于目标物体检测准确率非常重要,精确地分割图像目标是边缘检测的目的。为了有效地提取目标,提出一种基于深度卷积网络的图像边缘检测方法。该方法建立三层卷积网络,通过对大规模数据集Image Net图像进行深度学习,使卷积网络学习自然图像的边缘结构特征,从而能较好地区别目标轮廓和场景边缘。与传统的边缘检测算法相比,所提方法更加适合提取目标物体轮廓,有效抑制非目标物体的边缘,有助于后续的目标检测和分析。

关键词：边缘检测深度卷积网络 Canny算法目标检测

在线全文

学校读者我要写书评

暂无评论

基于深度卷积网络的特征融合图像检索方法

山西大学学报(自然科学版) 2018年第1期41卷 114-119页

作者：杨红菊李尧山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室(山西大学)

近些年基于内容的图像检索方法在计算机视觉领域取得了突破性的进展,这些成就均归功于深度卷积网络强大的非线性拟合能力。传统的检索方法均使用全连接层的激活值作为图像特征,而该层提取到的向量仅能描述图像整体的轮廓信息,缺乏对局... 详细信息

近些年基于内容的图像检索方法在计算机视觉领域取得了突破性的进展,这些成就均归功于深度卷积网络强大的非线性拟合能力。传统的检索方法均使用全连接层的激活值作为图像特征,而该层提取到的向量仅能描述图像整体的轮廓信息,缺乏对局部细节的刻画能力,而卷积层提取到的特征对局部空间纹理有较好的刻画能力。针对该问题,文章提出一种三维特征图的融合算法,每一个特征图都赋予对应的权重,将三维的特征图编码为一维的特征向量用于检索任务。实验分析表明,提出的特征编码方法在INRIA和Oxford数据集上平均查准率均提高了1个百分点,表明从卷积层计算得到的特征向量比全连接层更加适合于检索任务。

关键词：图像检索深度学习特征融合深度卷积网络