国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 90 条结果

基于视觉注意力分析的3D内容生成方法北大核心CSCDCSTPCD
作者：蔡凯李新福田学东
发表期刊：计算机工程 2020年4期
关键词：3D内容生成显著性检测显著图全卷积网络条件随机场
摘要：由于在某些特殊场景中获取深度线索的难度较高,使得已有3D内容生成方法的应用受到限制.为此,以显著图代替深度图进行2D-3D转换,提出一种3D内容生成方法.使用全卷积网络(FCN)生成粗糙的显著图,通过条件随机场对FCN的输出结果进行优化.实验结果表明,该方法可以解决现有方法中因使用低等级特征进行视觉注意力分析而导致显著图质量不高的问题,且能够生成具有良好视觉效果的3D内容.
基于改进FCN网络的GOCI绿潮分类研究
作者：赵尊强陈鑫刘慧芳杨光
发表期刊：软件导刊 2020年3期
关键词：GOCI绿潮分类全卷积网络深度学习绿潮解译图
摘要：为提高GOCI影像中绿潮分类的精度和速度,并克服传统方法中阈值难以确定的缺点,基于全卷积网络,提出一种新的网络结构用于绿潮和海水分类.首先降低全卷积网络深度,然后加强网络结构中高层特征与底层特征网络的链接,最后通过Softmax层生成高级语义特征进行最终分类.在GOCI数据集上的实验结果表明,改进的网络模型可以取得很好的竞争性,召回率、F1系数和Kappa系数分别达到83.0％、84.4％和83.7％.与传统方法相比,基于深度学习模型…查看全部>>
对象边框标注数据的弱监督图像语义分割北大核心CSCDCSTPCD
作者：徐树奎周浩
发表期刊：国防科技大学学报 2020年1期
关键词：图像语义分割全卷积网络弱监督模型GrabCut算法
摘要：针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法.使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证.实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全…查看全部>>
级联的卷积神经网络人脸检测方法北大核心CSCDCSTPCD
作者：李亚可玉振明
发表期刊：计算机工程与应用 2019年24期
关键词：人脸检测全卷积网络联合回归
摘要：针对由于光照、分辨率、姿态和表情等因素变化引起的人脸检测准确性不高的问题和大多人脸检测算法使用单一的卷积神经网络去提取特征引起的算法的泛化能力变弱的问题,提出了三层由浅及深的级联的卷积神经网络结构.通过全卷积神经网络快速定位人脸候选区域,采用深度神经网络提取人脸鲁棒性特征,对候选区域进一步分类验证,并用联合回归的方法确定最终人脸位置,提高检测精度.同时通过加权降低得分改进常用的非极大值抑制的方法,解决了由于相邻人脸高度重叠引起的…查看全部>>
基于语义分割技术的任意方向文字识别CSTPCD
作者：王涛江加和
发表期刊：应用科技 2018年3期
关键词：自然图像任意文本行文本检测语义分割全卷积网络矩形卷积核融合池化层条件随机场
摘要：针对现有文本检测与定位方法只能处理单一方向文本行的缺点,提出了一种基于语义分割方法的用于自然图像中文本检测的新方法.首先通过对现有检测方法以及目前语义分割方法在文本行检测中的局限性分析.然后对加入矩形卷积核的全卷积网络模型进行训练,获得文本行区域的分类图.最后,通过全连接条件随机场(conditional random field,CRF)的高精度分割能力将网络前端输出的文本行区域中的文字给区分出来.该框架用于处理任意方向、语言和字体…查看全部>>
基于全卷积网络的葡萄病害叶片分割北大核心CSCDCSTPCD
作者：赵兵冯全
发表期刊：南京农业大学学报 2018年4期
关键词：葡萄叶片光照复杂背景卷积神经网络全卷积网络自动分割病害
摘要：[目的]本文旨在解决不同光照和复杂背景下葡萄病害叶片图像的自动分割.[方法]使用了一种全卷积网络(FCN)的葡萄病害叶片图像的自动分割算法.该算法在结构上将传统的卷积神经网络(CNN)后3个全连接层换成3个卷积层.通过多层的卷积,对输入葡萄叶片图像的特征进行提取;通过池化层,对特征信息进行筛选,缩减特征尺寸,以达到减少网络参数的目的.再通过反卷积对特征上采样,从高维、小尺寸特征恢复到图像原始尺寸,对具有原始尺寸的特征进行逐像素分类,确…查看全部>>
基于FCN的多方向自然场景文字检测方法北大核心CSCDCSTPCD
作者：杨剑锋王润民何璇李秀梅钱盛友
发表期刊：计算机工程与应用 2020年2期
关键词：自然场景文字检测深度学习全卷积网络语义分割
摘要：传统的自然场景文字检测方法所采用的手工设计特征在应对复杂自然场景时缺乏鲁棒性.针对复杂自然场景中的多方向文字检测问题,提出了一种新的基于深度学习文字检测方法,采用全卷积网络(Fully Convolutional Networks,FCN)并融合多尺度文字特征图,结合语义分割的方法分割文字候选区域,利用分割得到的文字候选区域直接获取文字候选检测框并进行扩大补偿处理,对文字候选检测框进行后处理得到最终检测结果.该方法在ICDAR2013…查看全部>>
基于卷积神经网络的植物图像分类方法研究
作者：左羽陶倩吴恋王永金
发表期刊：物联网技术 2020年3期
关键词：卷积神经网络图像特征图像分类全卷积网络植物图像数据集
摘要：近年来,卷积神经网络已经成为图像分类领域的应用研究热点,其对图像特征进行自提取、自学习,解决了以往图像分类方法的图像低层特征到高层概念之间存在的语义鸿沟.为了解决植物图像的自动分类问题,该文提出一种基于卷积神经网络(CNN)的植物图像分类方法,以植物图像为研究对象,将经典卷积神经网络VGG16与全卷积网络(FCN)相结合,把VGG16中两个通道数为4096的全连接层改为卷积层,构造一个新的VGG16模型为植物图像分类模型.文中制作了一…查看全部>>
基于全卷积深度学习模型的可抓取物品识别北大核心CSTPCD
作者：皮思远唐洪肖南峰
发表期刊：重庆理工大学学报（自然科学版） 2018年2期
关键词：深度学习模型全卷积网络物品识别工业机器人
摘要：目前,工业机器人识别可抓取物品大多是先通过图像传感器收集作业场景信息,然后通过粒子滤波或条件随机场等各类相关算法提取可抓取物品的像素块特征来进行的.但是,这些可抓取物品的识别方法都存在着在同一像素块内部不同类别像素有误差,只考虑邻近区域、而不考虑全局信息和结构信息等问题或缺点.为此,在引入基于像素点的全卷积网络(fully convolutional networks,FCN)的基础上,提出了基于FCN的改进模型进行可抓取物品识别,其…查看全部>>
基于语义分割的槟榔内核轮廓检测CSTPCD
作者：朱泽敏张东波张莹汪忠
发表期刊：计算技术与自动化 2019年4期
关键词：语义分割边缘检测深度学习全卷积网络扩张卷积
摘要：针对槟榔去核工序中槟榔内核轮廓检测问题,提出一种基于语义分割的槟榔内核轮廓检测方法.分割模型以VGG16为基础网络,将全连接层替换为卷积层,增加了跳跃结构,将浅层特征经过采样后在同一尺度下与深层特征进行融合,并将常规卷积替换成扩张卷积,减少了学习参数,提升了分割模型的实时性,得到最终的FCN-Dilated-VGG-8s分割模型.该模型对槟榔图像分割的准确率达到98.79％,单张图像分割只需0.071 s,模型大小只有FCN-VGG-…查看全部>>

12 3 4 5 6 >