检索结果-南通市图书馆

作者：王睿天西安理工大学

学位级别：硕士

互联网多媒体的快速发展带来了各类图像数量的增加,人们对图像检索需求也日益上涨。怎样从海量图像中准确有效获取与待检图像相似的目标图像成为图像检索领域的热点话题。深度学习作为近年来在机器视觉方面取得的最重要的突破之一,在图... 详细信息

互联网多媒体的快速发展带来了各类图像数量的增加,人们对图像检索需求也日益上涨。怎样从海量图像中准确有效获取与待检图像相似的目标图像成为图像检索领域的热点话题。深度学习作为近年来在机器视觉方面取得的最重要的突破之一,在图片检索领域获得了不少成果。但由于图像每个区域对任务贡献的重要程度不同,针对性地检索内容、背景复杂图像中的目标物体变得愈发困难。准确定位图像感兴趣区域、关注局部特征能有效改善遮挡物、拍摄角度带来的特征提取不精确的问题。此外,全局特征注重图像整体表达,其与局部特征的结合也能有效提升特征表达力。因此,探索对图像感兴趣区域的定位、全局特征与局部特征之间的融合对图像检索技术研究具有重要意义。本文基于深度学习理论,主要围绕图像显著性区域特征表达问题,对如何提取图像目标区域特征,提高特征精度,以及如何更好实现全局特征与局部特征融合等问题展开相关研究,主要研究工作如下:(1)提出一种基于YOLO-V4区域定位加权检索算法。本文结合目标检测算法,定位图像感兴趣区域,关注重要的局部信息,降低非目标对象带来的干扰;在特征图上根据位置进行加权求和,减少图像边缘特征提取,更加关注图像有效区域,提升特征表达力。实验证明,在Oxford5k和Paris6k地标数据集上,本文提出的算法相比其他主流算法能取得更好的检索结果。(2)提出一种多区域聚合重排检索算法。通过研究特征图特征点表达,采用重叠池化算法,聚合各区域信息,不仅可以获得非重叠池化丢失的关键信息,还能减小全局平均池化模糊化效果带来的影响。结合重排算法,采用拓展查询的方式,融合原图与查询结果top@k的特征进行二次重排。该算法与其他主流方法相比,在Oxford5k和Paris6k数据集上能有效提高检索精度。(3)提出一种基于区域加权与多区域聚合重排的特征距离融合检索算法。该方法既关注图像全局特征也关注其局部特征,将YOLO-V4区域定位加权检索算法与多区域聚合承排算法得到的距离度量加权融合,获得图像最终的度量得分。通过在相关数据集上实验对比,特征距离融合后的图像检索精度高于单独的特征距离度量取得的精度。(4)搭建一个基于深度学习的图像检索系统。该系统适用于各种网络结构,能根据用户输入的待检索图像,实时并准确地从数据库图像中返回查询结果。返回的图像按照相似度高低排序,由高到低选取12张图像,展示在系统界面,具有较高的实用性。

关键词：图像检索深度学习区域加权重叠池化

来源：

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

基于卷积门控循环网络的滚动轴承故障诊断

引用

航空动力学报 2019年第11期34卷 2432-2439页

作者：杨平苏燕辰西南交通大学机械工程学院

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使... 详细信息

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。

关键词：滚动轴承故障诊断卷积网络门控循环单元重叠池化

来源：

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

基于改进深度学习的面部表情识别研究

基于改进深度学习的面部表情识别研究

引用

作者：张啸长春工业大学

学位级别：硕士

由于面部表情是最有效的非语言交流方式,且能很好地流露情绪、心态和意图,因此,其识别与检测技术逐渐引起学术界和工业界的关注。然而,传统的表情识别算法的识别准确度和鲁棒性较低,而且表情的变化是一个动态的过程,传统算法在实时表情... 详细信息

由于面部表情是最有效的非语言交流方式,且能很好地流露情绪、心态和意图,因此,其识别与检测技术逐渐引起学术界和工业界的关注。然而,传统的表情识别算法的识别准确度和鲁棒性较低,而且表情的变化是一个动态的过程,传统算法在实时表情识别领域效果不佳。本文基于卷积神经网络算法的识别与检测方法。考虑将卷积神经网络应用到面部表情的识别与检测中。本文研究内容主要包括:1、采用深度学习算法来提取面部表情的表情特征,首先需要对面部表情图像进行预处理,调研了图像数据预处理的基本过程和每过程常用算法,以及部分算法在本文实验所用表情库上的实验效果,转化为计算量较少的图像数据作为深度学习算法的网络输入。2、尽管现有的卷积网络模型较多,但是没有一种模型适应各个领域图像的识别,对面部表情的识别需要创建适合表情识别的网络模型,本文在LeNet-5网络的基础上对网络结构和内部结构进行了优化和改进。添加批量规范化,解决不同特征带来的网络模型过拟合问题。选择最大重叠池化和平均重叠池化减少数据量的同时充分提取表情特征。有效提高了识别的准确率和鲁棒性,以及增加了对光线、姿势和遮挡物等方面的承受度。3、提出一种新的基于Inception模块和DropBlock过拟合处理方式的卷积神经网络识别方法,利用改进的卷积神经网络和Inception1网络模块构建深层卷积神经网络,并用DropBlock技术替换以往Dropout过拟合处理技术,再结合L2正则化技术。从而有效的改善了网络模型的训练速度,具有增强模型鲁棒性和提高模型训练精度的效果。4、将两种改进的网络训练模型分别应用于实时表情识别系统中,结果表明两种改进网络模型的实用性。

关键词：卷积神经网络面部表情重叠池化批规范化过拟合

来源：

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

一种基于卷积神经网络的图像分类算法

引用

移动信息 2020年第2期 74-78页

作者：曹婷沈阳国际工程咨询集团有限公司辽宁沈阳110014

研究一种基于卷积神经网络的图像分类算法,该方法是以5个卷积层和3个全连接层构成模型,第1、2、5个卷积层连接有最大池化层,输出层采用softmax激活函数。为了提升模型的性能,在隐藏层采用了ReLU激活函数,同时引入了重叠池化方法。为抑... 详细信息

研究一种基于卷积神经网络的图像分类算法,该方法是以5个卷积层和3个全连接层构成模型,第1、2、5个卷积层连接有最大池化层,输出层采用softmax激活函数。为了提升模型的性能,在隐藏层采用了ReLU激活函数,同时引入了重叠池化方法。为抑制模型产生过拟合,采用了数据增强策略。实验结果表明,该模型的图像分类精度明显优于传统机器学习方法。

关键词：图像分类卷积神经网络重叠池化数据增强随机失活

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于卷积神经网络的鞋型识别方法

引用

激光与光电子学进展 2019年第19期56卷 195-202页

作者：杨孟京唐云祁姜晓佳中国人民公安大学刑事科学技术学院

“监控+鞋印”是目前公安机关刑事侦查的重要技战法,其基本原理是依据犯罪现场鞋印推断嫌疑人所穿鞋型,然后到周边监控视频中检索嫌疑鞋型。针对“监控+鞋印”技战法自动化程度低下的问题,提出一种基于卷积神经网络的鞋型识别方法,实现... 详细信息

“监控+鞋印”是目前公安机关刑事侦查的重要技战法,其基本原理是依据犯罪现场鞋印推断嫌疑人所穿鞋型,然后到周边监控视频中检索嫌疑鞋型。针对“监控+鞋印”技战法自动化程度低下的问题,提出一种基于卷积神经网络的鞋型识别方法,实现对嫌疑鞋型的自动识别。根据鞋型识别独有特点,在DeepID的基础上设计卷积神经网络框架,并构建鞋型样本数据库(50双鞋型样本,共计160231幅图像)。运用Caffe框架结合不同网络模型对鞋型图像数据进行训练和测试,实验设计的初始网络结构由两层卷积、两层池化、两层全连接组成。实验比对了不同的第一层全连接层输出元素数目对网络性能与训练效率的影响,又在不改变输出特征图大小的情况下比对了不同网络深度的实验结果,在优化模型的基础上引用重叠池化得到实验最优网络模型。实验结果表明,卷积神经网络对于鞋型有很好的识别效果,识别精度值最高达96.06%,为鞋型识别提供了一种新的途径。

关键词：机器视觉鞋型识别卷积神经网络重叠池化刑事侦查

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：