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 63 条结果

改进YOLO的车辆检测算法北大核心CSTPCD
作者：刘肯何姣姣张永平姚拓中常志国
发表期刊：现代电子技术 2019年13期
关键词：YOLO端对端模型DenseNet车辆检测YOLO-D检测精度
摘要：YOLO目标检测算法在进行目标检测和识别时具有识别精度高、检测速度快的特点.但也存在明显的问题,由于网络采用的结构是端对端模型,没有经过预选框进行匹配预选,直接进行回归产生最后的结果框,所以存在定位不准的问题.同时,YOLO网络将图片整体resize到固定的尺寸后,进行网格划分,当单个网格存在不止单个目标时,容易出现漏检的情况.DenseNet网络使用一种全新的网络结构,结合前面特征层的信息,在一定程度上提升了对物体的检测精度.在此基…查看全部>>
基于改进DenseNet的乳腺钼靶肿块分类方法北大核心CSTPCD
作者：白茹余慧安建成曹锐
发表期刊：计算机工程与应用 2022年15期
关键词：乳腺钼靶图像计算机辅助诊断卷积神经网络图像分类DenseNet
摘要：乳腺X线摄影技术是目前乳腺癌早期发现和诊断的重要手段.然而乳腺X线图像中肿块边缘模糊,分类相对困难,因此提升乳腺肿块的诊断精度从而及早预防和治疗仍是医学领域的一大挑战.针对乳腺肿块的特点,提出了一种结合密集卷积神经网络(DenseNet)和压缩激励(SE)模块的新网络(DSAMNet),该网络融合了二者优势,既加强特征重用,又实现特征提取过程中的特征重标定.根据SE模块嵌入DenseNet的不同位置,提出了模型SE-DenseNet-…查看全部>>
基于密集空洞卷积的注意力机制视网膜血管分割方法CHSSCDCSTPCD
作者：原忠虎雷莹韩晓微
发表期刊：沈阳大学学报:自然科学版 2022年4期
关键词：视网膜影像深度学习图像分割DenseNet注意力机制
摘要：为了提高现有算法对于视网膜血管的分割准确度和灵敏度,设计了一种基于密集空洞卷积的注意力机制视网膜血管分割方法。首先,该方法以DenseNet为基础网络,采用密集连接方式在编码部分进行特征提取,采用空洞卷积代替标准卷积来增大感受野,以便获取更多的血管与病灶信息。然后,为了解决最大池化带来的信息丢失问题,设计了跳跃连接模块。最后,通过添加空间注意力机制模块成功对血管与病灶信息进行增强,并抑制了其他无用信息。经过实验验证,此分割算法得到了准…查看全部>>
面向社会性昆虫识别的知识迁移DenseNet后训练剪枝轻量化模型研究CHSSCDCSTPCD
作者：王鑫张文静史伟可乐乐
发表期刊：宁夏大学学报（自然科学版） 2024年3期
关键词：蚂蚁蜜蜂DenseNet迁移学习后训练剪枝
摘要：在资源受限的设备上,如何快速有效地针对蜜蜂、蚂蚁等对生态系统产生重要影响的种群进行图像识别,具有重要的生态保护意义.本文采用DenseNet预训练模型,在蚂蚁蜜蜂小规模数据集上进行知识迁移,并利用非结构化后训练剪枝UPSCALE方法,构建了一个完整的架构.实验证明,该架构可以快速利用小规模数据集,以较高的识别精度实现目标图像识别,且模型参数不到基准方法的1/3,对于部署设备而言,具有更广泛的应用价值.
DenseNet和SeNet融合残差结构的DR分类方法北大核心CSTPCD
作者：宋鹏飞吴云
发表期刊：计算机应用研究 2024年3期
关键词：糖尿病性视网膜病变DenseNetSeNet残差结构
摘要：糖尿病性视网膜病变(diabetic retinopathy,DR)是糖尿病在发病过程中影响视网膜的症状。针对模型下采样过程中特征提取DR图像微动脉瘤等病灶区域信息丢失问题,提出了一种DenseNet融合残差结构的模块。该模块首先连接两个连续的dense block,然后利用残差结构对特征信息求和,并行融合处理特征图像信息,以防止有效特征信息的丢失,最后残差连接两个含有dropout的卷积块,抑制过拟合现象。针对以往卷积操作中未对病变…查看全部>>
改进DenseNet模型在工件表面粗糙度视觉检测中的应用北大核心CSTPCD
作者：周友行易倩杨文佳赵文杰
发表期刊：机械科学与技术 2024年6期
关键词：粗糙度检测深度学习DenseNet模型剪枝
摘要：针对原始DenseNet模型检测工件表面粗糙度时间长、准确率较低的问题,结合卷积层滤波器注意力机制和批归一化层缩放系数提出一种工件表面粗糙度检测的深度学习模型.首先,利用注意力重要性值判定模块内的冗余通道.其次,在Dense Block模块内引入批归一化层缩放系数判别特征通道的重要程度.最后联合卷积层滤波器的注意力重要性值和批归一化层缩放系数裁剪冗余通道,实现模型剪枝.实验结果表明,原始 DenseNet模型检测工件表面粗糙度的准确率…查看全部>>
DenseNet在声纹识别中的应用研究北大核心CSTPCD
作者：张玉杰张赞
发表期刊：计算机工程与科学 2022年1期
关键词：声纹识别语谱图DenseNet深度可分离卷积中心损失函数
摘要：为了提高声纹识别技术的识别性能,将DenseNet应用于语谱图实现声纹识别,从提高网络的运算效率和增强声纹特征的表征能力2个方面对DenseNet进行优化,提出采用深度可分离卷积来减少网络的参数量,以及增加中心损失函数项来提高声纹特征的表征能力.从训练结果可以看出,通过深度可分离卷积,网络的参数量减少了25.5％,模型大小减少了24.6％;从仿真结果可以看出,中心损失项的增加使声纹特征的聚类效果更加明显,提高了声纹特征的表征能力.因此…查看全部>>
基于DenseNet和深度运动图的行为识别算法
作者：张健张永辉何京璇
发表期刊：信息技术与网络安全 2020年1期
关键词：行为识别深度运动图像DenseNet光流
摘要：结合深度信息以及RGB视频序列中丰富的纹理信息,提出了一种基于DenseNet和深度运动图像的人体行为识别算法.该算法基于DenseNet网络结构,首先获取彩色纹理信息和光流信息,然后从同步的深度视频序列获取深度信息,以增强特征互补性;再将空间流、时间流和深度流三种特征信息分别作为网络的输入;最后通过LSTMs进行特征融合和行为分类.实验结果表明,在公开的动作识别库UTD-MHAD数据集上,该算法识别准确率为92.11％,与该领域中的同类算法相比表现优异.
基于三维全卷积DenseNet的脑胶质瘤MRI分割北大核心CSCDCSTPCD
作者：黄奕晖冯前进
发表期刊：南方医科大学学报 2018年6期
关键词：DenseNet图像分割三维胶质瘤Dice相似性系数
摘要：从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提.为了有效针对脑胶质瘤MRI的特性和提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实现形式)构建一个基于三维全卷积DenseNet的图像特征学习网络.本研究包含了脑胶质瘤MRI的274个已分割训练集和110个未提供分割的测试集.图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方…查看全部>>
基于多层次注意力机制一维DenseNet音频事件检测北大核心CSCDCSTPCD
作者：杨吕祥胡燕
发表期刊：计算机应用研究 2020年6期
关键词：音频事件检测深度学习DenseNet多层次注意力机制
摘要：在音频事件检测任务中,目标音频易受背景噪声等因素的干扰,并且其在音频信号流中存在的比例不高,针对这些问题,提出一种多层次注意力机制一维DenseNet(dense convolutional network)音频事件检测模型.使用一维DenseNet模型进行帧级检测能有效地检测音频事件发生的开始和结束时间;在一维DenseNet模型中引入多层次注意力机制,使得不同模块的感知特性随着网络层数的加深而自适应地变化,因此模型可以在不同的网络…查看全部>>

12 3 4 5 6 >