检索结果-南通市图书馆

基于深度卷积网络的可见光遥感图像分类与检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的可见光遥感图像分类与检测

作者：周强南京信息工程大学

学位级别：硕士

随着可见光卫星遥感和航空遥感图像分辨率的不断提高,从中能够解译获得更多的有价值信息。遥感图像的分类和检测是遥感影像智能分析的重要环节,也是该领域的研究热点。传统方法通过采用人工设计特征结合回归、SVM等浅层模型的方式实现,... 详细信息

随着可见光卫星遥感和航空遥感图像分辨率的不断提高,从中能够解译获得更多的有价值信息。遥感图像的分类和检测是遥感影像智能分析的重要环节,也是该领域的研究热点。传统方法通过采用人工设计特征结合回归、SVM等浅层模型的方式实现,然而由于可见光遥感图像存在背景复杂,类内场景差异大,目标尺度变化大等问题,在性能提升上遇到了瓶颈。深度卷积网络通过多层抽象机制,可自主学习遥感图像的高层本质特征,为遥感图像的分类与检测提供了新的解决思路。为此,本文主要研究了基于深度卷积网络的可见光遥感图像分类和检测算法,具体内容如下:(1)提出了随机多选择残差网络集成的遥感图像分类算法。深度卷积网络模型在图像分类、目标检测等问题上得到了成功的应用。但单一类型的网络对于类内差异性大以及尺度变化大的遥感场景仍然不能获得好的分类结果,通过网络集成的方法,融合多个网络进行分类,有利于提升分类准确率。为此,本文提出一种基于随机多选择残差网络集成的遥感图像分类算法,该算法通过多选择学习策略,集成多个残差网络共同完成分类任务,算法设置有效的集成学习目标函数,并通过随机梯度下降算法最小化多个子网络对每个样本的最优分类误差,促使各个网络之间的差异性,能够自适应于特定类别的分类任务,进而形成有效的分类,同时其泛化性优于单个学习器。在两个公开的遥感数据集上验证了本文算法的有效性,多个残差网络能够对不同类别的遥感影像形成最优分类,有效提升了分类的准确性。(2)构建了基于YOLOv2的大尺寸遥感图像目标检测模型,实现了对舰船和飞机两类目标的有效检测。针对遥感影像目标检测中存在的背景复杂、目标尺度多样化、图像尺寸大等难点问题,本文构建了基于YOLOv2的分块检测网络,通过设置不同尺度的滑动窗口,可自适应于遥感图像中舰船和飞机目标的尺度变化,并建了立块检测结果的非极大值抑制(Non-Maximum Suppression)融合方法,进而实现对于大尺寸卫星遥感图像的有效处理。并同Fsater R-CNN、SSD、YOLOv2等算法模型进行了实验对比与分析,验证了B-YOLOv2算法的有效性。

关键词：遥感图像场景分类目标检测深度卷积网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的知识图谱补全模型

基于深度卷积网络的知识图谱补全模型

作者：邵明光哈尔滨工业大学

学位级别：硕士

知识图谱包含了实体和关系的结构化信息,通常表示为多关系图的形式,即实体之间通过代表不同关系的边进行连接。知识图谱可以用于包括人工智能和信息检索在内的多个领域。随着信息大量的创建,对许多研究人员和从业人员而言,确定知识图中... 详细信息

知识图谱包含了实体和关系的结构化信息,通常表示为多关系图的形式,即实体之间通过代表不同关系的边进行连接。知识图谱可以用于包括人工智能和信息检索在内的多个领域。随着信息大量的创建,对许多研究人员和从业人员而言,确定知识图中信息是否正确并填补其缺失部分是至关重要的任务。为了应对这一挑战,研究人员尝试将由实体和关系组成的大规模知识图谱嵌入到连续的向量空间以便于计算。最近,研究人员提出了许多开创性的模型来解决这个问题。根据模型中得分函数定义的不同,本文将模型分为组合方法和非组合方法两类。非组合方法如Trans E,虽然计算效率很高,但是模型的拟合能力欠佳。诸如Rescal之类的组合方法有更好的拟合能力,但它需要大量的参数进行计算。在本文中,我们使用深度卷积神经网络来建模嵌入向量之间的关系。与传统方法中人为设计算子的方法不同,本文利用深度卷积神经网络来计算实体隐特征之间的关联,并以实体之间的相似性作为辅助信息来改进模型。在实验中,我们的方法比大多数基线模型都有效并且表现优异。

关键词：知识图谱补全嵌入深度卷积网络辅助信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的目标检测系统

基于深度卷积网络的目标检测系统

作者：杨凯北京邮电大学

学位级别：硕士

目标检测是多媒体和计算机视觉领域的经典问题。近年来,深度学习的快速发展极大地推动了目标检测算法领域的研究。本文实现了基于深度卷积神经网络与回归思想融合的目标检测算法,基于该算法在低功耗嵌入式平台NVIDIA Jetson TX1上开发... 详细信息

目标检测是多媒体和计算机视觉领域的经典问题。近年来,深度学习的快速发展极大地推动了目标检测算法领域的研究。本文实现了基于深度卷积神经网络与回归思想融合的目标检测算法,基于该算法在低功耗嵌入式平台NVIDIA Jetson TX1上开发了实时的目标检测系统。R-CNN、Fast R-CNN和Faster R-CNN等一系列目标检测模型通常将目标检测当做是在候选框中提取特征后的分类任务。这种模型的优点是精准度较高,但无法达到实时性的要求。针对这一问题,本文采用了回归的思想,通过构造一个回归和分类融合统一的多任务损失函数,直接在深度卷积神经网络的特征层上进行候选框的回归与分类,极大地提升了目标检测的速度,在GPU加速的服务器上达到了 120 FPS。为了克服Jetson TX1上内存和显存资源有限的难题,算法在卷积神经网络的深度和模型的规模上作出了平衡。本文算法由8层的卷积层和1层的检测层组成,卷积层采用3×3的卷积核,并且加入了 Batch Normalization层和MaxPooling层,由于全部采用卷积层,有效地降低了模型的参数规模。本文算法的训练分为预训练和微调两个部分,首先在ILSVRC2012训练集上完成对目标检测算法框架中深度卷积神经网络的预训练,达到了Top-1 58.3%和 Top-5 81.3%的分类准确率;然后在 Pascal VOC2007 和VOC2012数据集上对整个算法进行微调,在VOC2007和2012的验证集上分别达到了 54.2mAP 和 47.8mAP。本文在通用GPU加速的服务器上完成对算法的训练后,将算法移植到移动式嵌入平台NVIDIA Jetson TX1上,并开发了包括摄像头输入、图像帧预处理、目标检测以及视频输出预处理的整个实时的目标检测系统,系统的检测速度达到了 26FPS,且功耗仅为11W。

关键词：目标检测深度卷积网络嵌入式平台实时系统

基于深度卷积网络的遥感图像飞机检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的遥感图像飞机检测方法研究

作者：周育榕西安电子科技大学

学位级别：硕士

针对数量日益增长的遥感图像数据,如何智能化地进行处理,提升信息的获取效率并且降低数据的存储、传输成本,是一个亟待解决的问题。飞机目标则是遥感图像中具有重要价值的一类信息,本文主要基于深度卷积神经网络针对遥感图像中的飞机目... 详细信息

针对数量日益增长的遥感图像数据,如何智能化地进行处理,提升信息的获取效率并且降低数据的存储、传输成本,是一个亟待解决的问题。飞机目标则是遥感图像中具有重要价值的一类信息,本文主要基于深度卷积神经网络针对遥感图像中的飞机目标检测展开研究。现阶段在基于深度卷积神经网络的遥感图像飞机目标检测领域内,能够均衡检测精度与速度并且适用于不同负载平台的轻量化模型算法较为稀缺。本文首先对深度卷积神经网络设计的常见问题进行了研究,然后针对上述现象提出了一个全新的主干网络以及一个端到端的多尺度检测模型。此外,本文进行了如何在不改变原有网络架构的基础上提升现有检测算法精度的研究,在目标检测算法的三个不同环节上进行了全面创新,主要的研究工作如下:1、针对现阶段深度卷积神经网络目标检测中常见的网络问题以及网络架构方式进行了研究。研究了诸如网络退化、模型臃肿等问题的产生原因以及现阶段解决措施的原理,并在新的卷积神经网络设计中融入了相应的解决方法;研究了残差网络与密集连接网络的架构原理,并结合具体实验对其在遥感图像飞机目标检测中的适应性进行了对照分析。2、针对现阶段常用的深度卷积特征提取主干网络,提出了一种基于深度可分离卷积和简化恒等映射方法的恒等可分离主干网络ISN。该网络具有较低参数量及计算成本,可适用于小负载平台检测,并且简易的连接架构不会拖累检测速度;使用深度可分离卷积实现轻量化的同时,通过构造简化的恒等映射以较小的计算代价增强特征提取,保证了模型的检测精度。随后本文在此基础上结合特征金字塔网络思想,提出了一种轻量化检测模型MIS,增强多尺度检测性能的同时,能够在检测速度与精度上达到均衡。最终该模型在六组不同模型实验对照中实现了性能综合最优,能够满足不同平台下实时性的检测任务需求。3、针对现阶段深度卷积神经网络目标检测算法的精度提升问题展开了综合研究,提出了三种基于非网络架构因素的模型精度提升方法,分别作用于网络模型训练前、训练中和训练后三个阶段,能够在原有网络基础上有效提升模型精度。(1)针对现阶段基于边框标注的深度卷积目标检测算法进行研究,提出了基于交并比增长变化曲线的先验框自适应快速选取方法。该方法能够有效解决现阶段最优先验框数量选取困难且费时的问题,能够根据数据集自适应统计不同先验框数量下的交并比得分增长变化情况,从而得到最优先验框数量,最后通过实验对照分析证实了该方法的有效性。(2)针对深度卷积网络训练过程中常见的模型难以进一步收敛的瓶颈问题,提出了基于学习率和batchsize联合过渡调节的训练方法LBT。该方法能够突破训练瓶颈,有效加深模型学习,并且结合实验对比证实了该方法能够有效提升模型精度。(3)针对现阶段遥感图像飞机目标检测中非极大值抑制方法在单目标上多框标注的处理缺陷,提出了一种边框修正算法针对不同缺陷分别进行处理,最后结合实验对比证实了该算法的有效性。

关键词：遥感图像光学飞机目标检测深度卷积网络边框优化

基于深度卷积网络的说话人聚类与辨识方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的说话人聚类与辨识方法研究

作者：王武城华南理工大学

学位级别：硕士

随着智能采集设备、移动互联网及云存储平台的广泛应用,语音数据爆炸式增长。由于人工标注成本昂贵,经过人工准确标注的语音数据却较少。如何对海量无标签语音进行说话人聚类(Speaker Clustering)、如何对少量带标签语音进行说话人辨识(... 详细信息

随着智能采集设备、移动互联网及云存储平台的广泛应用,语音数据爆炸式增长。由于人工标注成本昂贵,经过人工准确标注的语音数据却较少。如何对海量无标签语音进行说话人聚类(Speaker Clustering)、如何对少量带标签语音进行说话人辨识(Speaker Identification)是目前智能语音处理领域的研究热点。本文探讨基于深度卷积网络的说话人聚类与辨识问题。论文主要工作及贡献如下:(1)提出基于联合优化深度表征学习与类别估计的说话人聚类方法。首先,从语音样本提取梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC),并进一步提取I-vector特征。然后,将I-vector作为深度卷积自编码网络(Deep Convolutional Autoencoder Network,DCAN)的输入特征,在DCAN编码器输出层提取深度表征(Deep Representation)。接着,采用凝聚层次聚类(Agglomerative Hierarchical Clustering,AHC)对深度表征进行聚类,并根据聚类结果确定初始类标签。最后,在DCAN编码器输出层拼接Softmax层进行类别估计。采用深度表征学习和聚类类别估计的联合损失函数,对DCAN参数进行微调。采用归一化互信息(Normalized Mutual Information,NMI)和聚类精度(Clustering Accuracy,CA)作为性能评价指标。采用Aishell-2和Voxceleb1语音数据库进行评测,本文方法获得的NMI分别为92.5%和72.4%,CA分别为84.5%和66.1%,均优于主流方法。(2)提出基于注意力深度可分离卷积网络(Depthwise Separable Convolutional Network with Attention)的小样本说话人辨识方法。网络由深度可分离卷积(Depthwise Separable Convolutional,DSC)模块堆叠而成,用于克服过拟和问题;同时结合通道注意力(Channel Attention,CA)机制,充分利用各通道信息,从而提升网络性能。本文方法在Aishell-2、Voxceleb1和TORGO三个语音数据库上进行评测,获得的准确率分别为94.46%、86.42%和89.24%;获得的F值分别为96.18%、88.74%和90.62%,本文方法优于其它小样本学习方法。综上所述,本文重点探讨联合优化的说话人聚类问题和小样本说话人辨识问题,并提出基于深度卷积网络的说话人聚类方法与说话人辨识方法。本文设计不同对比实验,并与主流方法进行比较分析,验证本文方法的有效性。

关键词：深度卷积网络小样本学习说话人辨识说话人聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的交通方式识别

基于深度卷积网络的交通方式识别

作者：叶帅男西南交通大学

学位级别：硕士

伴随着城市人口的增长与城市化进程的加快,交通问题凸显、居民日常通勤能力不足已逐渐成为制约城市进一步发展的障碍。制定科学的交通规划与管理方案是解决城市日益复杂交通问题的有效途径,而制定的依据来自于居民出行调查所获得的大量... 详细信息

伴随着城市人口的增长与城市化进程的加快,交通问题凸显、居民日常通勤能力不足已逐渐成为制约城市进一步发展的障碍。制定科学的交通规划与管理方案是解决城市日益复杂交通问题的有效途径,而制定的依据来自于居民出行调查所获得的大量日常出行信息。作为出行调查的一项重要内容,人们出行的交通方式不仅反应城市交通问题,也能体现居民出行特征和活动规律,因此如何高效而准确地获取居民交通方式成为国内外研究热点。基于人工的传统居民出行调查存在的客观性不足、成本高昂、实施周期长等问题,随着城市交通的发展而逐渐显现。近年来,GPS定位设备和服务的普及与智能行业的快速兴起共同推动了交通方式自动采集与识别的研究。GPS设备记录的轨迹具有数据质量高、覆盖范围广、更新频率快等优点,使得GPS轨迹识别成为解决传统出行调查问题的新兴方式,而如何从GPS轨迹中自动识别交通方式等语义信息则成为了实现的难点与研究的重点。当前研究主要存在特征值选取、时序分析不足以及转换点识别等困难,阻碍了交通方式识别准确率的提升。本文基于以上难点,设计了基于深度卷积网络的GPS轨迹交通方式识别方案,实现步行、自行车、公交车与汽车4种交通方式的识别,主要内容包含以下3个方面:(1)针对特征值选取难点,设计基于深度卷积网络的方式段识别方案。利用深度卷积网络自主学习数据特征的能力,避免了轨迹属性统计量的选取以及判断其有效性的过程。识别所需的特征仅来自GPS轨迹数据,未使用道路网络等辅助数据或其它传感器,从而具有较好的扩展性。实验使用来自GeoLife的GPS数据集进行研究与验证,结果表明深度卷积网络能够有效的判断方式段的交通方式,其中步行的准确率与召回率最高,而汽车与公交车的识别结果均在85%以上。实验最后对比了各种轨迹在不同时长、距离、采样密度与时段的识别结果,验证了方案的有效性。(2)针对时序分析难点,研究基于局部窗口的出行方式段识别方案。首先利用滑动窗口获取轨迹的时序特征,其次使用深度卷积网络完成方式段识别,随后设计后处理过程提升识别的准确率,最后将识别结果与未使用时序特征的结果进行对比,说明时序特征在结合深度卷积网络的条件下,能够有效提升公交车与汽车的识别能力。(3)针对转换点识别难点,设计多方式轨迹在线识别方案。在局部窗口识别方案的基础上,利用各交通方式轨迹的事实规律改进后处理过程,使得识别方法能够在轨迹未完成之前做出方式识别,同时将转换点的影响限制在少数窗口内,满足了出行轨迹在线识别需求。实验结果表明,所有方式的F值均为80%以上,其中步行与汽车的F值达到90%,验证了方案具有较好的识别精度。

关键词： GPS轨迹数据深度卷积网络轨迹数据预处理交通方式识别

基于稀疏局部嵌入深度卷积网络的冷水机组故障诊断方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

化工学报 2018年第12期69卷 5155-5163页

作者：刘旭婷李益国孙栓柱刘西陲沈炯东南大学能源与环境学院江苏南京210096 东南大学能源热转换及其过程测控教育部重点实验室江苏南京210096 江苏方天电力技术有限公司江苏南京211102

针对于冷水机组提出一种基于稀疏局部嵌入深度卷积网络(sparsely local embedding network,SLENet)的故障诊断方法。采用稀疏局部嵌入方法代替卷积核,对输入数据进行特征选择,避免了复杂的训练和调参过程。另外采用空间金字塔最大池化... 详细信息

针对于冷水机组提出一种基于稀疏局部嵌入深度卷积网络(sparsely local embedding network,SLENet)的故障诊断方法。采用稀疏局部嵌入方法代替卷积核,对输入数据进行特征选择,避免了复杂的训练和调参过程。另外采用空间金字塔最大池化作为网络的输出层,减少了网络的输出维数和分类器的计算量。针对美国采暖、制冷与空调工程师学会提供的冷水机组的典型故障数据进行分类,结果表明,该方法相比深度卷积网络(CNN)和支持向量机(SVM)方法具有更高的故障诊断精度。

关键词：算法神经网络安全故障诊断稀疏局部嵌入深度卷积网络空间金字塔最大池化

基于深度卷积网络的皮肤病变图像自动分割与识别研究

维普期刊数据库

同方期刊数据库评论

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皮肤病变图像自动分割与识别研究

作者：马震北京邮电大学

学位级别：硕士

以黑色素瘤为代表的皮肤色素性恶性病变具有极高的致死率。黑色素瘤发病早期易与黑色素痣等有较高发病率的良性病变混淆,导致治疗延误。现阶段基于皮肤镜进行皮肤色素性病变诊断筛查的方式依赖医生临床经验,较为耗时,存在一定主观性。... 详细信息

以黑色素瘤为代表的皮肤色素性恶性病变具有极高的致死率。黑色素瘤发病早期易与黑色素痣等有较高发病率的良性病变混淆,导致治疗延误。现阶段基于皮肤镜进行皮肤色素性病变诊断筛查的方式依赖医生临床经验,较为耗时,存在一定主观性。而构建面向皮肤色素性病变的计算机辅助诊断系统可以缓解紧张的医疗资源,减轻医生的工作负担,提高筛查诊断效率,为患者争取宝贵的治疗时机。针对皮肤色素性病变图像临床表现变化较大、病灶边界模糊的问题,本文基于深度卷积网络,从皮肤色素性病变的病灶区域分割和病变识别两个方面对皮肤色素性病变计算机辅助诊断方法进行研究。本文的主要研究工作如下:(1)本文基于UNet卷积神经网络进行改进,提出基于多级特征融合的两阶段卷积神经网络分割算法。编码部分采用多级特征融合可以促进解码部分对空间位置信息的恢复,解码部分采用多级特征融合促进梯度信息的流动。针对病灶区域灰度不均匀问题,在编码部分引入可变形卷积来自适应增大感受野。最后,通过两阶段方法进一步提升小尺度病灶区域的分割效果。对比基于ResNet50网络的基础分割模型,利用本文提出的改进,在PH2数据集上的Jaccard Index分割性能指标获得了1.3%的提升。(2)基于卷积神经网络设计皮肤病变自动识别算法。对多源性图像数据使用颜色一致性算法进行预处理。针对不同类型皮肤病变发病率差异导致的严重类别不平衡问题,研究使用平滑的频率对数函数来调整损失函数类别权重。最后研究了分类任务中的难分样本学习问题,引入检测任务的Focal Loss损失函数和在线困难样本挖掘方法增强分类模型对难分样本的学习,从而提升模型的性能,在Melanoma数据集上取得0.9688的分类F1值。

关键词：皮肤病灶分割深度卷积网络多级特征融合难分样本学习皮肤病变识别

基于改进深度卷积网络的铁路入侵行人分类算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光学精密工程 2018年第12期26卷 3040-3050页

作者：郭保青王宁北京交通大学机械与电子控制工程学院北京100044 北京交通大学载运工具先进制造与测控技术教育部重点实验室北京100044

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建... 详细信息

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建立了铁路异物侵限报警样本的训练集和测试集,提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法。首先引入了改进的AlexNet深度卷积神经网络模型,提取了自动学习的Alex高层特征,然后将其与HOG特征相结合形成Alex-HOG组合特征,最后利用组合特征对分类网络进行训练。铁路异物侵限报警测试样本库的实验表明,该方法对1 498张测试样本图像的识别准确率高达98.46%,时间为3.78s,实时性和准确率均有较大提高,对降低系统误报率具有重大意义。

关键词：铁路异物分类识别行人检测深度卷积网络 HOG组合特征