深度神經(jīng)網(wǎng)絡
- 圖像處理中基于深度學習的圖像語義分割綜述
能 ??深度神經(jīng)網(wǎng)絡中圖分類號：TP391.41;TP18圖像語義分割是計算機視覺領(lǐng)域的關(guān)鍵研究方向，通過精確劃分圖像中不同物體和區(qū)域的語義信息，為無人駕駛、遙感影像檢測、醫(yī)療影像等應用領(lǐng)域提供了重要支持。本文綜述了基于深度學習的圖像語義分割方法的演進，重點介紹了FCN、U-Net、DeepLab等經(jīng)典算法，以及最新基于Transformer的方法，如ViT-Adapter和Lawin Transformer。同時還關(guān)注了幾個常用的語義分割數(shù)據(jù)集，如PAS
科技資訊 2024年6期2024-06-19
- 中國手語識別方法及技術(shù)綜述
主要利用深度神經(jīng)網(wǎng)絡和人工智能技術(shù)，強調(diào)深度學習，遷移學習和技術(shù)融合，模型對樣本數(shù)據(jù)量的依賴程度較高。我國已經(jīng)開始廣泛建設各類手語語料庫，但需要進一步規(guī)范和推廣。【關(guān)鍵詞】 手語識別技術(shù)；語料庫；深度神經(jīng)網(wǎng)絡；遷移學習【中圖分類號】 G760【作者簡介】 蔣賢維，副教授，南京特殊教育師范學院數(shù)學與信息科學學院（南京，210038），jxw@njts.edu.cn；孫計領(lǐng)、張艷瓊、蔣小艷，副教授，南京特殊教育師范學院數(shù)學與信息科學學院（南京，210038）；
現(xiàn)代特殊教育 2024年6期2024-05-18
- 混合動力汽車深度強化學習分層能量管理策略
化學習；深度神經(jīng)網(wǎng)絡；等效燃油消耗中圖分類號：U471.15????????? 文獻標志碼：A?????????? 文章編號：1000-582X（2024）01-041-11Deep reinforcement learning hierarchical energy management strategy for hybrid electric vehiclesDAI Kefeng， HU Minghui（College of Mechanical an
重慶大學學報 2024年1期2024-05-15
- 基于多模態(tài)融合的深度神經(jīng)網(wǎng)絡圖像復原方法
融合； 深度神經(jīng)網(wǎng)絡； 三重注意力；? 圖像復原中圖分類號： TP391文獻標志碼： A文章編號： 1671-5489（2024）02-0391-08Deep Neural Network Image Restoration MethodBased on Multimodal FusionLI Weiwei1， WANG Liyan2， FU Bo2， WANG Juan1， HUANG Hong1（1. School of Information Eng
吉林大學學報（理學版） 2024年2期2024-05-15
- 基于機器學習算法的河南省冬小麥面積提取研究
據(jù)，采用深度神經(jīng)網(wǎng)絡（DNN）、隨機森林（RF）和支持向量機（SVM）算法，自動從NDVI時序數(shù)據(jù)中提取冬小麥特征，分別訓練出非線性模型，在250 m尺度對河南省冬小麥分布和面積進行識別。結(jié)果表明，基于DNN算法的河南省冬小麥面積識別模型精確率為97.26%，總體一致性為97.97%；基于RF、SVM算法的精確率分別為91.51%和89.31%，總體一致性均在90%以下。和RF、SVM算法相比，DNN算法在精度上有明顯的提升，能夠更好地反映河南省冬小麥的時
江蘇農(nóng)業(yè)科學 2024年6期2024-04-30
- 基于大規(guī)模預訓練模型的地質(zhì)礦物屬性識別方法及應用
ER）的深度神經(jīng)網(wǎng)絡模型，用于識別和提取礦物類型、地質(zhì)構(gòu)造、巖石與地質(zhì)時間等關(guān)鍵信息。與傳統(tǒng)方法不同，本次采用了大規(guī)模預訓練模型BERT（Bidirectional Encoder Representations from Transformers，BERT）和深度神經(jīng)網(wǎng)絡來捕捉上下文信息，并結(jié)合條件隨機場（Conditional random field，CRF）以獲得準確結(jié)果。實驗結(jié)果表明，MNER模型在中文地質(zhì)文獻中表現(xiàn)出色，平均精確度為0.898
新疆地質(zhì) 2024年1期2024-04-17
- 基于多任務學習的軌道交通短時客流預測研究
機制; 深度神經(jīng)網(wǎng)絡中圖分類號：U239.5?? 文獻標志碼：A?? 文章編號：1002-4026（2024）01-0095-12A multitask learning model for the prediction of short-term subway passenger flowAbstract∶An accurate prediction of short-term subway passenger flowscan effectively
山東科學 2024年1期2024-02-26
- 基于多模態(tài)融合技術(shù)的番茄灰霉病智能協(xié)同診斷模型研究
歸分析；深度神經(jīng)網(wǎng)絡中圖分類號：S274.1文獻標識碼：A文章編號：20955553 （2023） 11011508Study on intelligent collaborative diagnosis model of tomato Botrytis based onmulti-mode fusion technologyDu Yaru Huang YuanDu Pengfei Gao Xinna Wu Meng Yang Yingru（1. Shij
中國農(nóng)機化學報 2023年11期2023-12-11
- 改進深度神經(jīng)網(wǎng)絡的用戶用電量預測方法
要]針對深度神經(jīng)網(wǎng)絡對電能預測精度低的問題，提出正弦粒子群優(yōu)化神經(jīng)元數(shù)量的深度神經(jīng)網(wǎng)絡算法，通過對粒子群算法進行變異操作和慣性權(quán)重改進，來對深度神經(jīng)網(wǎng)絡隱藏層神經(jīng)元參數(shù)進行尋優(yōu)。實驗結(jié)果表明，SPSONN-DNN算法相比于DNN、極度梯度提升、線性回歸、兩種改進PSONN-DNN算法的預測精度分別提高了1.926%、2.820%、1.500%、0.633%、0.582%；SPSONN-DNN算法相比于兩種改進PSONN-DNN算法迭代次數(shù)分別減少6次、4次
湖北工業(yè)大學學報 2023年1期2023-12-02
- 基于特征協(xié)同交互網(wǎng)絡的商品點擊率預測
率預估；深度神經(jīng)網(wǎng)絡中圖分類號：TP391.3? 文獻標識碼：A? 文章編號：2096-4706（2023）19-0145-06Product Click-through Rate Prediction Based on Co-Action NetworkZOU Yufei， YANG Xin， HU Chenchen（Lanzhou Jiaotong University， Lanzhou 730070，China）Abstract： With the
現(xiàn)代信息科技 2023年19期2023-11-22
- 基于多標簽分類器的惡意PowerShell檢測
分類器；深度神經(jīng)網(wǎng)絡；惡意代碼；混淆；加密0 引言網(wǎng)絡空間是現(xiàn)代戰(zhàn)爭中重要戰(zhàn)場，高級持續(xù)性威脅攻擊（Advanced Persistent Threat，APT） 是一種復雜且持久的網(wǎng)絡攻擊，通常為有組織的攻擊者發(fā)起，旨在獲取敏感信息、竊取知識產(chǎn)權(quán)或破壞目標系統(tǒng)。APT攻擊的目標通常是政府機構(gòu)、大型企業(yè)、關(guān)鍵基礎設施和研究機構(gòu)等具有高價值數(shù)據(jù)和資產(chǎn)的實體。這些APT具有重大威脅，因為它們可以用于各種惡意活動，包括數(shù)據(jù)泄露、遠程訪問和系統(tǒng)入侵等。在所有APT
電腦知識與技術(shù) 2023年19期2023-08-26
- 基于深度神經(jīng)網(wǎng)絡的醫(yī)學圖像特征學習研究
題。甚于深度神經(jīng)網(wǎng)絡的醫(yī)學圖像特征學習正是為了解決這一問題而被提出和廣泛應用，旨在通過自動學習高層次的特征表示，提高醫(yī)學圖像分類和診斷的準確性、降低人力成本、改善普適性、推動自動化和智能化發(fā)展。文章首先分析基于深度神經(jīng)網(wǎng)絡的醫(yī)學圖像特征學習的研究意義，其次闡述醫(yī)學圖像多元特征提取方法，最后探究基于多層級特征融合的醫(yī)學圖像分析方法，以推動深度袖經(jīng)網(wǎng)絡在醫(yī)學領(lǐng)域中的應用深度。關(guān)鍵詞：深度神經(jīng)網(wǎng)絡;醫(yī)學圖像;特征學習中圖法分類號：TP391文獻標識碼：A１ 研究
計算機應用文摘 2023年15期2023-08-09
- 基于深度神經(jīng)網(wǎng)絡的醫(yī)學圖像特征學習研究
題。甚于深度神經(jīng)網(wǎng)絡的醫(yī)學圖像特征學習正是為了解決這一問題而被提出和廣泛應用，旨在通過自動學習高層次的特征表示，提高醫(yī)學圖像分類和診斷的準確性、降低人力成本、改善普適性、推動自動化和智能化發(fā)展。文章首先分析基于深度神經(jīng)網(wǎng)絡的醫(yī)學圖像特征學習的研究意義，其次闡述醫(yī)學圖像多元特征提取方法，最后探究基于多層級特征融合的醫(yī)學圖像分析方法，以推動深度袖經(jīng)網(wǎng)絡在醫(yī)學領(lǐng)域中的應用深度。關(guān)鍵詞：深度神經(jīng)網(wǎng)絡;醫(yī)學圖像;特征學習中圖法分類號：TP391文獻標識碼：A１ 研究
計算機應用文摘·觸控 2023年15期2023-08-09
- 高速公路路況感知能力建設研究
結(jié)構(gòu)化；深度神經(jīng)網(wǎng)絡；大數(shù)據(jù)分析；高速公路中圖分類號：TP311.13? 文獻標志碼：A0 引言截至2022年初，貴州省全省高速公路通車里程超過8 000km，閉塞村落、工業(yè)廠區(qū)、景區(qū)景點等地交通出行條件大幅提升，但高速公路的運營管理仍存在行人違法進入高速公路、公路沿線路域環(huán)境不佳、收費站通行效率不高、高速公路交通事故頻發(fā)等問題。為此，貴州高速公路集團有限公司凱里營運管理中心（以下簡稱“凱里運管中心”）結(jié)合貴州經(jīng)濟基礎相對薄弱的現(xiàn)實條件，提出了“因地制宜，
無線互聯(lián)科技 2023年3期2023-06-15
- 基于深度神經(jīng)網(wǎng)絡和遷移學習的高精度車輛識別系統(tǒng)研究
一種基于深度神經(jīng)網(wǎng)絡算法的高精度車輛識別系統(tǒng)，利用開源圖形化視覺處理庫OpenCV和數(shù)據(jù)分析處理庫NumPy對車牌進行圖像預處理?；陬A處理后的數(shù)據(jù)，利用深度神經(jīng)網(wǎng)絡學習框架TensorFlow進行學習訓練，實現(xiàn)了對車牌的快速精準識別。系統(tǒng)首先對車牌所在位置進行定位，其次對鎖定后的車牌圖像進行切割，再次將車牌背景和文字通過像素點移位算法由彩色圖像轉(zhuǎn)換為灰度圖像，最后實現(xiàn)字符的切割與識別，得到所要識別的車牌數(shù)據(jù)。實驗結(jié)果表明，與傳統(tǒng)識別系統(tǒng)相比，基于深度學習
無線互聯(lián)科技 2023年5期2023-05-24
- 猛犸象牙與現(xiàn)生象牙的計算機視覺鑒定方法
集，基于深度神經(jīng)網(wǎng)絡訓練象牙識別模型對象牙紋理圖像進行特征提取和分類，從而實現(xiàn)猛犸象牙與現(xiàn)生象牙鑒定。結(jié)果表明該方法能夠快速、有效地對象牙制品進行鑒定與識別，解決目前的執(zhí)法難題。關(guān)鍵詞：象牙鑒定；計算機視覺；深度神經(jīng)網(wǎng)絡中圖分類號： TP391.4? 文獻標志碼： A0 引言現(xiàn)生大象是珍貴的瀕危野生動物，非洲象、亞洲象均已列入《瀕危野生動植物種國際貿(mào)易公約》（Convention on International Trade in Endangered S
無線互聯(lián)科技 2023年24期2023-05-06
- 基于優(yōu)化神經(jīng)網(wǎng)絡的遙感影像語義分割算法
絡優(yōu)化;深度神經(jīng)網(wǎng)絡;圖像語義分割;遙感影像中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2022）17-0070-031 概述航拍圖像和遙感圖像識別長期以來得到了測繪、國防、農(nóng)業(yè)等領(lǐng)域的廣泛應用，隨著深度學習和卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks，CNN）的高速發(fā)展，地表覆蓋物分類等基于遙感影像的自動化分析技術(shù)也得到了一定程度的發(fā)展。在過去的10年內(nèi)，視覺模型的發(fā)展主要有兩個主流方向，分
電腦知識與技術(shù) 2022年17期2022-08-31
- 工業(yè)場景下AI質(zhì)檢關(guān)鍵技術(shù)及平臺架構(gòu)研究
器學習;深度神經(jīng)網(wǎng)絡;工業(yè)質(zhì)檢;MEC;容器化中圖分類號：TP391.4 ? ? ? 文獻標識碼：A文章編號：2096-4706（2022）05-0149-04Research on Key Technology and Platform Architecture of AI Quality Inspection under Industrial SceneZHOU Hua， ZHENG Rong， XIAO Rong（Shanghai Ideal Inf
現(xiàn)代信息科技 2022年5期2022-07-10
- 基于深度神經(jīng)網(wǎng)絡的直線二級倒立擺控制器設計
究了基于深度神經(jīng)網(wǎng)絡的智能控制方法。首先介紹了BP神經(jīng)網(wǎng)絡和深度神經(jīng)網(wǎng)絡模型及優(yōu)化算法，并且根據(jù)直線二級倒立擺狀態(tài)方程，研究了基于深度神經(jīng)網(wǎng)絡的直線二級倒立擺控制算法。然后設計了一個六輸入單輸出的深度神經(jīng)網(wǎng)絡控制器模型，并利用Pytorch框架，以LQR作為導師進行神經(jīng)網(wǎng)絡的訓練，訓練完成后利用MATLAB軟件對訓練后的神經(jīng)網(wǎng)絡進行仿真實驗驗證，并與BP神經(jīng)網(wǎng)絡控制器進行對比，最后在直線二級倒立擺實驗平臺上進行實驗驗證。仿真與實驗表明，所設計的深度神經(jīng)網(wǎng)絡
技術(shù)與創(chuàng)新管理 2022年3期2022-05-31
- 基于結(jié)構(gòu)化文本及代碼度量的漏洞檢測方法
率.采用深度神經(jīng)網(wǎng)絡對代碼度量的結(jié)果進行特征學習以擬合代碼度量值與漏洞存在的關(guān)系，并將其擬合的結(jié)果轉(zhuǎn)化為漏洞存在的概率.采用支持向量機對由上述兩種表征方式獲得的漏洞存在概率做進一步的決策分類并獲得漏洞檢測的最終結(jié)果，為驗證該方法的漏洞檢測性能，針對存在不同類型漏洞的11種源代碼樣本進行漏洞檢測實驗，該方法對每種漏洞的平均檢測準確率為97.96%，與現(xiàn)有基于單一表征的漏洞檢測方法相比，該方法的檢測準確率提高了4.89%～12.21%，同時，該方法的漏報率和誤
湖南大學學報·自然科學版 2022年4期2022-05-30
- 基于卷積神經(jīng)網(wǎng)絡的生鮮蔬菜精準識別系統(tǒng)
識別; 深度神經(jīng)網(wǎng)絡; 卷積神經(jīng)網(wǎng)絡；隨機梯度下降；超市管理中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：1009-3044（2022）30-0007-04開放科學（資源服務）標識碼（OSID）：1概述隨著人工智能技術(shù)的發(fā)展，智能化產(chǎn)品在人們的生活中被越來越多地運用，與機器學習相結(jié)合的系統(tǒng)在生活中的許多領(lǐng)域都有著廣泛且成熟的使用[1]，如指紋解鎖門鎖、人臉識別付款等。同時隨著科技的發(fā)展，超市等購物場所的部分環(huán)節(jié)也逐漸從人工操作轉(zhuǎn)換為以機器為主，例
電腦知識與技術(shù) 2022年30期2022-05-30
- 基于深度神經(jīng)網(wǎng)絡學習的防火墻攔截效能評估
征提取和深度神經(jīng)網(wǎng)絡學習的防火墻攔截能力評估優(yōu)化方法。使用KDD‘99訓練集攻擊防火墻，測試防火墻的攔截能力[1]。云特征提取和本地攔截信息配合深度神經(jīng)網(wǎng)絡建模威脅文件，對防火墻進行未知威脅攔截測試，并利用入侵攔截信息動態(tài)評估防火墻的未知威脅攔截情況。實驗表明，該模型能有效地評估防火墻攔截的有效性，提高對未知威脅的攔截檢測能力。關(guān)鍵詞：攔截;深度神經(jīng)網(wǎng)絡;防火墻;網(wǎng)絡安全中圖分類號：TP393 ? ? ? ?文獻標識碼：A文章編號：1009-3044（20
電腦知識與技術(shù) 2022年5期2022-04-11
- 基于人工智能的推薦算法模型及應用研究
葉斯網(wǎng);深度神經(jīng)網(wǎng)絡一、數(shù)據(jù)特征提取和預處理 在特征提取的階段，不同物品的描述會被提取出來。盡管可以使用任意的一種表示，例如多維數(shù)據(jù)表示，但最常見的方法是從底層數(shù)據(jù)中提取關(guān)鍵詞。做出這種選擇是因為非結(jié)構(gòu)化文本描述通常在各種領(lǐng)域中廣泛使用，并且它們?nèi)匀皇亲钭匀坏拿枋鑫锲返姆绞健Ｔ诤芏嗲闆r下，可以用多個字段來描述物品的各個方面。特征表示和清洗此過程在使用非結(jié)構(gòu)化表示時顯得尤為重要。特征提取階段能夠從產(chǎn)品或者網(wǎng)頁的非結(jié)構(gòu)化的描述中得到一系列單詞。 過從物品的
客聯(lián) 2022年1期2022-03-29
- 利用學習者畫像實現(xiàn)個性化課程推薦
上，利用深度神經(jīng)網(wǎng)絡建立了教學資源與學習者畫像之間的關(guān)系模型，用該模型預測學習者新的學習需求。實驗結(jié)果表明，當學習者登錄后，輸入要選擇的課程，模型能夠根據(jù)學習者畫像推薦相似學習者學習過的課程，提供個性化課程推薦服務，且推薦評價指標也表明該模型能夠提高推薦性能。[關(guān)鍵詞] 學習者畫像; 深度神經(jīng)網(wǎng)絡; 個性化推薦; 非正式學習平臺; 教育大數(shù)據(jù)挖掘[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A[作者簡介] 王莉莉（1994—），女，甘肅蘭
電化教育研究 2021年12期2021-12-14
- 基于DenseNet和ResNet融合的發(fā)動機孔探圖像分類研究
Net;深度神經(jīng)網(wǎng)絡Abstract：Borescope inspection is one of the most important means of detecting internal engine damage. In order to solve the problem that engineer mainly rely on experience to define damage during borescope inspection， a
計算技術(shù)與自動化 2021年3期2021-10-01
- 基于深度學習的教師課堂提問分析方法研究
分類; 深度神經(jīng)網(wǎng)絡; 深度學習[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A[作者簡介] 馬玉慧（1974—），女，遼寧錦州人。副教授，博士，主要從事人工智能教育應用的研究。E-mail：799493385 @qq.com。一、引? ?言課堂提問是教師課堂教學行為的關(guān)鍵組成部分，是師生進行課堂交互的主要方式。有效的課堂教學提問不僅能夠吸引學生的注意力，激發(fā)學習興趣，而且能夠引導學生深入思考，及時評價教學效果[1-2]。對教師的課堂提問
電化教育研究 2021年9期2021-09-14
- 基于改進Faster R-CNN的自然環(huán)境下麥穗檢測方法
-CNN深度神經(jīng)網(wǎng)絡麥穗檢測方法。針對傳統(tǒng)Faster R-CNN算法應用于麥穗檢測時存在漏檢的問題，并結(jié)合自然環(huán)境下麥穗重疊和遮擋的特點，本研究采用加權(quán)框融合（Weighted Boxes Fusion，WBF）算法代替原有的非極大值抑制（NMS）算法，通過區(qū)域建議網(wǎng)絡產(chǎn)生的所有預測框的置信度來構(gòu)造融合框。試驗證明，改進后的Faster R-CNN在全球麥穗檢測數(shù)據(jù)集上的平均精度均值mAP0.5：0.75、mAP0.5分別達到了74.21%和92.15%
赤峰學院學報·自然科學版 2021年7期2021-09-13
- 一種改進的多任務級聯(lián)網(wǎng)絡人臉檢測算法研究
展，使用深度神經(jīng)網(wǎng)絡的人臉檢測算法在準確度方面已有很大提升，但使用的模型結(jié)構(gòu)越來越復雜，檢測速度也相對變慢。本文提出一種改進的多任務卷積神經(jīng)網(wǎng)絡（Multi-task convolutional neural networks，MTCNN）算法。在制造數(shù)據(jù)集時更改IOU閾值參數(shù)，來獲取更多、更精確的人臉樣本;對與置信度損失有關(guān)的交叉熵損失函數(shù)和與偏移量損失有關(guān)的均方差函數(shù)求均值，使得整個網(wǎng)絡收斂得更加平穩(wěn)。經(jīng)在AFW、PASCAL以及FDDB數(shù)據(jù)集上實驗，
智能計算機與應用 2021年3期2021-08-09
- 基于殘差密集塊與注意力機制的圖像去霧網(wǎng)絡
像去霧;深度神經(jīng)網(wǎng)絡;編碼器-解碼器;注意力機制中圖分類號：TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標志碼：AImage Dehazing Network Based on Residual DenseBlock and Attention MechanismLI Shuoshi1，2，LIU Hongrui1，GAN Yongdong1，ZHU Xinshan1，2?，ZHANG Jun1（1. School of Ele
湖南大學學報·自然科學版 2021年6期2021-08-02
- 基于時空卷積神經(jīng)網(wǎng)絡GL-GCN的交通流異常檢測算法
賴性采用深度神經(jīng)網(wǎng)絡DeepGLO的方法建模。同時捕捉時空特性并建立預測交通流模型，利用異常分數(shù)來判斷交通流異常。利用真實的交通流數(shù)據(jù)，證實了提出的模型具有有效性和優(yōu)越性。關(guān)鍵詞：交通流;異常檢測;深度神經(jīng)網(wǎng)絡;圖卷積網(wǎng)絡;時空特征中圖分類號：TP39? ? ? ? ?文獻標識碼：A 文章編號：2096-4706（2021）02-0070-06Abstract：Traffic flow anomaly detection usually considers
現(xiàn)代信息科技 2021年2期2021-07-28
- 深度神經(jīng)網(wǎng)絡在城市交通預測中的應用
紅摘要：深度神經(jīng)網(wǎng)絡能夠有效地捕捉城市區(qū)域間的時間和空間相關(guān)性，同時對于特征工程依賴較少，逐漸成為交通預測中的應用熱點。首先介紹交通預測的主要內(nèi)容和挑戰(zhàn)，從捕捉時空相關(guān)性的角度歸納近年來比較流行的基于深度神經(jīng)網(wǎng)絡的交通預測方法，分析各類方法的優(yōu)缺點，最后對深度神經(jīng)網(wǎng)絡在交通預測中的未來發(fā)展前景進行展望。關(guān)鍵詞：機器學習;深度神經(jīng)網(wǎng)絡;交通預測中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2021）16-0183-03開放科學
電腦知識與技術(shù) 2021年16期2021-07-25
- 融入唇語識別技術(shù)提升人臉識別安全性的研究
一種基于深度神經(jīng)網(wǎng)絡的唇語識別技術(shù)的系統(tǒng)。與現(xiàn)有的唇語識別技術(shù)不同的是，該系統(tǒng)主要是識別用戶的唇動習慣。運用本系統(tǒng)，用戶在進行人臉識別的同時可按照檢測方的提示，讀出相應的內(nèi)容，并在對用戶的人臉進行驗證的過程中，對用戶通過唇動說出的內(nèi)容分別實現(xiàn)唇動識別、比對，從而有效地提升人臉識別的安全性水平。實驗結(jié)果表明，在故意針對人臉識別系統(tǒng)的攻擊中，融入本技術(shù)的系統(tǒng)有更好的識別準確率。關(guān)鍵詞： 唇動識別;人臉識別安全;深度神經(jīng)網(wǎng)絡;身份認證文章編號： 2095-216
智能計算機與應用 2021年1期2021-07-11
- 基于深度神經(jīng)網(wǎng)絡的圖像分辨率增強技術(shù)研究
研究基于深度神經(jīng)網(wǎng)絡的圖像分辨率增強技術(shù)。本文針對圖像分辨率增強問題，研究了超分辨率的相關(guān)理論和方法，設計了針對實際圖像進行分辨率增強的處理框架，通過預處理提高分辨率增強方法的效果，并提出了一個有效的光照歸一化方法。針對圖像分辨率增強，提出了基于深度神經(jīng)網(wǎng)絡的分辨率增強方法，通過對各種圖像的增強，有效的提高了實驗結(jié)果的視覺效果。研究結(jié)果表明，圖像分辨率增強處理能夠在一定程度上提高相同硬件條件下的圖像的空間分辨率，改善因為硬件條件不足而造成的圖像退化及分辨率
科海故事博覽·中旬刊 2021年1期2021-06-23
- 基于深度神經(jīng)網(wǎng)絡的中國移動營業(yè)廳人流量統(tǒng)計研究
文章提出深度神經(jīng)網(wǎng)絡的方法，將分治策略引入到人流量統(tǒng)計問題中。這個方法以VGG16作為特征編碼網(wǎng)絡，UNet作為解碼網(wǎng)絡，將人流量統(tǒng)計變成一個可拆解的任務。在統(tǒng)計圖片上人數(shù)時，總可以把圖片分解成多個子區(qū)域，使得每個區(qū)域的人流量計數(shù)都是在之前訓練集上所見過的人數(shù)類別。然后再把每個子區(qū)域上面的人數(shù)加起來，就是統(tǒng)計結(jié)果。在對廣州某個中國移動營業(yè)廳的人流量統(tǒng)計的實驗中，預測的速度能達到實時監(jiān)測的速度和高精確度。關(guān)鍵詞：分治策略;人流量統(tǒng)計;深度神經(jīng)網(wǎng)絡;VGG16
現(xiàn)代信息科技 2021年24期2021-06-07
- 文本相似度檢索技術(shù)及其應用研究
關(guān)鍵詞：深度神經(jīng)網(wǎng)絡;文本檢索;應用研究中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：1009-3044（2021）12-0188-021 前言傳統(tǒng)的文本情感傾向的檢索分析的算法大部分依存于龐大的情感詞典與基于淺層的機器學習，但是特征提取方法用的時間特別長，訓練難度大，成本很高的不足，不適合當今數(shù)據(jù)信息龐大的場合?；谏顚拥纳窠?jīng)網(wǎng)絡的文本情感的檢索分析的算法可以從大數(shù)據(jù)中自動地訓練包括語義所指向的詞向量，并且經(jīng)過的深度的神經(jīng)網(wǎng)絡獲取的句子或文檔的
電腦知識與技術(shù) 2021年12期2021-05-24
- 基于Web的對話應用設計系統(tǒng)
話系統(tǒng);深度神經(jīng)網(wǎng)絡;Web應用【Abstract】Thecustomerservicesysteminthefieldofinformationtechnologyhasproblemssuchaslowefficiencyintheuseofhumanresources，whichbringsalotofmaintenancecoststoenterprises，andbringscertainobstaclestoenterpriseinnovati
智能計算機與應用 2021年2期2021-05-11
- 基于多尺寸特征疊加的SAR艦船目標檢測方法
度特征;深度神經(jīng)網(wǎng)絡中圖分類號：TN 957.52 ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標志碼：AMethod of Vessel Target Detection in SAR Images Basedon Multi-scale Feature SuperpositionWEI Songjie1，ZHANG Zedong1，XU Zhen1，LIU Meilin2，3，CHEN Wei1（1. School of Computer S
湖南大學學報·自然科學版 2021年4期2021-05-06
- 基于改進的Mask R-CNN的游泳池溺水檢測研究
檢測; 深度神經(jīng)網(wǎng)絡; 圖像分割; 注意力機制; 目標檢測中圖分類號： TP391.413; TP183文獻標識碼： A作者簡介： ?井明濤（1994-），男，山東人，碩士研究生，主要研究方向為機器學習和圖像處理。通信作者： ?楊國為（1964-），男，教授，主要研究方向為人工智能及機器學習等。 Email： ygw_ustb@163.com近年來，游泳池中溺水事故[1]頻發(fā)，溺水事故與游泳場所[2]的環(huán)境[3]有關(guān)，尤其在光線不足和人滿為患的深水復雜環(huán)境
青島大學學報（工程技術(shù)版） 2021年1期2021-04-02
- 基于深度學習的電力網(wǎng)絡終端負荷預測方法
行指令 深度神經(jīng)網(wǎng)絡Abstract： The adaptive sensing perception ability of terminal load forecasting of power network is relatively poor， so errors or problems are prone to occur in the process of execution， causing large-scale or relevance f
科技創(chuàng)新導報 2021年28期2021-03-16
- 基于深度神經(jīng)網(wǎng)絡的行為識別算法
的提升，深度神經(jīng)網(wǎng)絡得到了長足發(fā)展，計算機視覺性能超越了以往，但是當前方法也存在一些局限。本文就深度神經(jīng)網(wǎng)絡中的行為識別算法展開研究，首先闡述了行為識別現(xiàn)狀，其次分布分析了RGB視頻行為識別和人體骨架3D行為識別。關(guān)鍵詞：深度神經(jīng)網(wǎng)絡;行為識別算法;集成學習中圖分類號：TP393? ? ? 文獻標識碼：A文章編號：1009-3044（2021）03-0017-02隨著科技的發(fā)展，日常生活中的行為會被攝像頭記錄下來，大量視頻網(wǎng)站紛紛涌現(xiàn)。近年來，隨著智能手機
電腦知識與技術(shù) 2021年3期2021-03-15
- 基于大數(shù)據(jù)深度神經(jīng)網(wǎng)絡與Agent的大規(guī)模任務處理方法
一種基于深度神經(jīng)網(wǎng)絡的計算模型進行大規(guī)模任務部署，并引用Agent強化學習效用進行評價，實現(xiàn)最佳虛擬網(wǎng)絡映射方案。實驗結(jié)果表明，這種BDTard方法法能滿足大規(guī)模任務請求，穩(wěn)定系統(tǒng)長期收益，保障了大數(shù)據(jù)環(huán)境下大規(guī)模任務處理的高效執(zhí)行。關(guān)鍵詞：深度神經(jīng)網(wǎng)絡;強化學習;虛擬網(wǎng)絡映射中圖分類號：TP319 ? ? ?文獻標識碼：AAbstract：Since the large-scale task processing model is usually bas
計算技術(shù)與自動化 2021年4期2021-01-06
- 基于深度神經(jīng)網(wǎng)絡的糖尿病預測分析與研究
框架構(gòu)建深度神經(jīng)網(wǎng)絡算法診斷糖尿病，并與KNN模型、邏輯回歸模型、高斯貝葉斯模型、SVM模型、隨機森林模型、AdaBoost模型和XGBoost模型七種傳統(tǒng)機器學習模型從模型準確率、精確率、召回率、AUC值和F1-Score五項指標進行對比分析，發(fā)現(xiàn)深度神經(jīng)網(wǎng)絡算法所構(gòu)建的預測模型準確率最高，更適合于糖尿病預測問題的分析研究。關(guān)鍵詞：糖尿病預測模型;數(shù)據(jù)預處理;機器學習;深度神經(jīng)網(wǎng)絡（DNN）;模型評估中圖分類號： TP181? ? ? ? 文獻標識碼：A
電腦知識與技術(shù) 2020年32期2020-12-29
- 網(wǎng)絡頂點表示學習方法
陣分解：深度神經(jīng)網(wǎng)絡中圖分類號：TP391 文獻標志碼：A DOI：10.3969/j，issn，1000-5641.2020910070引言現(xiàn)實世界中普遍存在類型豐富多樣的網(wǎng)絡數(shù)據(jù)結(jié)構(gòu)，如社交網(wǎng)絡、通信網(wǎng)絡、生物網(wǎng)絡等，這些網(wǎng)絡表示實體之間的關(guān)系，規(guī)模從數(shù)百個頂點到數(shù)百萬個甚至數(shù)十億個頂點，分析網(wǎng)絡在許多應用中都發(fā)揮著至關(guān)重要的作用，因此也得到學術(shù)界和工業(yè)界越來越多的關(guān)注，對網(wǎng)絡進行有效分析首先要對網(wǎng)絡頂點進行表示，鄰接矩陣、拉普拉斯矩陣等傳統(tǒng)表示方法展
華東師范大學學報（自然科學版） 2020年5期2020-12-07
- 基于深度學習的毫米波Massive MIMO信道估計
多輸出;深度神經(jīng)網(wǎng)絡;信道估計;導頻開銷doi：10.3969/j.issn.1006-1010.2020.10.008? ? ? ? 中圖分類號：TN91文獻標志碼：A? ? ? ? 文章編號：1006-1010（2020）10-0043-06引用格式：馬珊珊，劉紫燕. 基于深度學習的毫米波Massive MIMO信道估計[J]. 移動通信， 2020，44（10）： 43-48.0? ?引言大規(guī)模多輸入多輸出（Massive MIMO， Massive
移動通信 2020年10期2020-11-30
- Tensorflow框架在高校實驗教學評價模型中的設計與應用
low;深度神經(jīng)網(wǎng)絡;卷積神經(jīng)網(wǎng)絡;實驗教學評價中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2020）09-0151-030 引言實驗教學是本科教學的重要組成部分，是培養(yǎng)大學生實踐能力和創(chuàng)新精神的重要實踐性教學環(huán)節(jié)。通過實驗教學，有助于對理論知識進行科學有效的驗證和提升，對提高學生的動手操作能力、分析能力、觀察能力和思維能力方面有著重要的作用[1]。目前，國內(nèi)高校的實驗教學評價體系通常由幾部分構(gòu)成：實驗教學大綱、實驗教材、師
數(shù)字技術(shù)與應用 2020年9期2020-11-16
- 基于深度神經(jīng)網(wǎng)絡的腫瘤細胞分類器的研究
年來隨著深度神經(jīng)網(wǎng)絡（Deep Neural Networks， DNN）的模型不斷完善，DNN在腫瘤的數(shù)字圖像識別方面精度越來越高，DNN受到了國內(nèi)外醫(yī)學界的廣泛研究和重視，DNN為識別良性腫瘤與惡性腫瘤的臨床診斷提供了客觀、準確、快速、經(jīng)濟的解決方案。本文主要綜述了DNN技術(shù)在識別良性腫瘤與惡性腫瘤方向上使用的幾種常見分類器：卷積神經(jīng)網(wǎng)絡、生成對抗網(wǎng)絡、深度殘差網(wǎng)絡和深度信念網(wǎng)絡。分析了這幾種分類器的原理及其應用的效果，分析了基于不同神經(jīng)網(wǎng)絡分類器的精
軟件工程 2020年10期2020-10-23
- 基于機器學習的服裝“品牌基因”分析方法研究
像識別;深度神經(jīng)網(wǎng)絡;服裝品牌Abstract： The research work in this paper aims to explore a method to identify and analyze fashion brand gene intensity based on machine learning. Historical product image data of brand fashion were used as the char
絲綢 2020年8期2020-08-31
- 基于深度神經(jīng)網(wǎng)絡的視線跟蹤技術(shù)研究
一種基于深度神經(jīng)網(wǎng)絡的視線跟蹤算法。利用卷積神經(jīng)網(wǎng)絡，能快速且準確地定位輸入圖片上的人眼區(qū)域和虹膜中心位置，再利用多項式擬合估計視線方向。實驗結(jié)果表明，該算法在MPIIGaze數(shù)據(jù)庫中對虹膜中心和眼角位置的標定有著98%的準確性，在Swith數(shù)據(jù)庫中對視線的估計準確率達到了90%左右，證明了該算法在低分辨率圖像上有著良好的可行性。關(guān)鍵詞： 視線跟蹤; 深度神經(jīng)網(wǎng)絡; 人眼定位; 虹膜中心; 多項式擬合; 視線方向估計Abstract： Sight trac
現(xiàn)代電子技術(shù) 2020年16期2020-08-14
- 基于深度神經(jīng)網(wǎng)絡的移動通信網(wǎng)絡優(yōu)化研究
識別; 深度神經(jīng)網(wǎng)絡; 通信建模; 多特征提取; 信號控制; 數(shù)據(jù)分類中圖分類號： TN926?34; TP393? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）10?0083?03Mobile communication network optimization based on deep neural networkLI Li1，2（1. College of
現(xiàn)代電子技術(shù) 2020年10期2020-07-14
- 目標檢測方法簡要綜述
器學習;深度神經(jīng)網(wǎng)絡目標檢測的目的可分為檢測圖像中感興趣目標的位置和對感興趣目標進行分類。目標檢測比低階的分類任務復雜，同時也是高階圖像分割任的重要基礎;目標檢測也是人臉識別、車輛檢測、路網(wǎng)檢測等應用領(lǐng)域的理論基礎。傳統(tǒng)的目標檢測算法是基于滑窗遍歷進行區(qū)域選擇，然后使用HOG、SIFT等特征對滑窗內(nèi)的圖像塊進行特征提取，最后使用SVM、AdaBoost等分類器對已提取特征進行分類。手工構(gòu)建特征較為復雜，檢測精度提升有限，基于滑窗的算法計算復雜度較高，此類方
科技風 2020年18期2020-07-06
- 基于航拍影像的車輛檢測簡要綜述
器學習;深度神經(jīng)網(wǎng)絡航拍影像包含豐富的地物信息，如道路、樓宇、車輛等，對這些信息進行有效處理，尤其對車輛信息的有效處理（以車輛為主體處理對象，道路、樓宇作為重要上下文信息），對城鄉(xiāng)道路的交通規(guī)劃、安全預警具有重要指導作用。與傳統(tǒng)的人工方式統(tǒng)計交通信息數(shù)據(jù)相比，通過航拍影像檢測車輛信息具有如下優(yōu)點：（1）不需要人工設卡來統(tǒng)計交通流量信息、發(fā)現(xiàn)交通事故及違章停車等。（2）與監(jiān)控攝像互為補充，并能獲取監(jiān)控攝像未觸及區(qū)域的車輛信息。（3）減少人工讀圖工作量，減少因
科技風 2020年17期2020-07-04
- 基于深度神經(jīng)網(wǎng)絡的雷達幅度序列目標識別
一種基于深度神經(jīng)網(wǎng)絡的雷達幅度序列目標識別的方法。該方法通過提取目標在運動過程中的幅度序列作為識別目標的特征，再利用深度神經(jīng)網(wǎng)絡進行識別。最后，利用實測數(shù)據(jù)對該方法進行驗證。實驗結(jié)果表明，該方法可以有效地對目標進行識別。關(guān)鍵詞：雷達目標識別;幅度序列;深度神經(jīng)網(wǎng)絡中圖分類號：TP393 文獻標識碼：A文章編號：1009-3044（2020）13-0020-021引言在現(xiàn)代雷達技術(shù)中，雷達目標識別被視作重要的技術(shù)發(fā)展方向，它是一項集傳感器、目標、環(huán)境和現(xiàn)代信
電腦知識與技術(shù) 2020年13期2020-07-04
- 深度卷積神經(jīng)網(wǎng)絡模型發(fā)展綜述
關(guān)鍵詞：深度神經(jīng)網(wǎng)絡：特征提?。耗繕俗R別：網(wǎng)絡結(jié)構(gòu)DOI： 10.11907/rjdk.191659開放科學（資源服務）標識碼（OSID）：中圖分類號：TP3-0文獻標識碼：A文章編號：1672-7800（2020）004-0084-05Review of the Development of Deep Convolutional Neural Network ModelHONG Qi-feng， SHI Wei-bing， WU Di， LUO Li-y
軟件導刊 2020年4期2020-06-19
- 基于雙向循環(huán)神經(jīng)網(wǎng)絡的語音識別算法
經(jīng)網(wǎng)絡;深度神經(jīng)網(wǎng)絡;遞歸神經(jīng)網(wǎng)絡中圖分類號：TP399 文獻標識碼：A文章編號：1009-3044（2020）10-0193-03語音識別是指通過信息技術(shù)將語音這一音頻轉(zhuǎn)化成文字。如今互聯(lián)網(wǎng)急速發(fā)展，語音識別也是人工智能方面炙手可熱的一個重要研究分支，在近些年來也在不斷地進步發(fā)展。在現(xiàn)實應用的過程中，語音識別經(jīng)常與翻譯，交流，聲控等實際應用相結(jié)合，提供一個通過語音實現(xiàn)人與機器之間的自由交互方法。1933年，西班牙的神經(jīng)生物學家Rafael Lorente
電腦知識與技術(shù) 2020年10期2020-06-08
- 基于深度神經(jīng)網(wǎng)絡的在線協(xié)作學習交互文本分類方法
采用基于深度神經(jīng)網(wǎng)絡的卷積神經(jīng)網(wǎng)絡（CNN）、長短時記憶（LSTM）、雙向長短時記憶（Bi-LSTM）等模型構(gòu)建面向在線協(xié)作學習交互文本的分類模型，以Word2Vec作為詞向量，提出了包含數(shù)據(jù)收集整理、文本標簽標注、數(shù)據(jù)預處理、詞嵌入、數(shù)據(jù)采樣、模型訓練、模型調(diào)參和模型評價等步驟的在線協(xié)作學習交互文本自動分類方法。以知識語義類、調(diào)節(jié)類、情感類、問題類和無關(guān)信息類等作為交互文本的類別劃分，對51組大學生所產(chǎn)生的16047條在線協(xié)作學習交互文本進行分類后發(fā)現(xiàn)：
現(xiàn)代遠程教育研究 2020年3期2020-06-01