分类: 计算机科学 >> 计算机应用技术 提交时间: 2024-01-07
摘要: 本文运用YOLO视觉算法对标签进行识别检测,并对实验过程和实验结果进行了论述。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2024-01-07
摘要: 由于人工神经网络具有高度非线性描述的特点,这个特点导致了他们被愈来愈广泛的研究和应用,在这些研究和应用当中主要的应用领域就是分类。分类实现的基础是特征分类,所以要进行分类就需要先提取样本的特征。在常见的卷积神经网络中,通常是由输入层、卷积层、池化层、激活层、全连接层,按照一定的次序连接而构成。卷积神经网络的输入层实现的是整个神经网络的输入,在本设计中,训练和推理的数据为30*30像素的单通道灰度图
分类: 计算机科学 >> 计算机科学技术其他学科 提交时间: 2024-01-07
摘要: 图像分类和识别在现代社会中具有重要意义。已经有许多优秀的卷积神经网络工作来优化图像分类的准确性,其中一位杰出的代表是ResNet 1 ,它大幅增加了神经网络的深度,从而极大地提高了神经网络的性能。与此同时,还有一些可插拔的性能优化子模块可以帮助优化所有网络,其中一个杰出的代表是SeNet 3 。然而,在面对现实世界中的复杂场景时,它们并不总是表现良好。本文的主要工作是研究如何有效提高卷积神经网络(ResNet)在一些特殊场景(小图片、高噪声图片)中的识别性能,并尝试分析一些神经网络的底层机制。
分类: 机械工程 >> 机械工程其他学科 分类: 计算机科学 >> 计算机应用技术 提交时间: 2017-08-29
摘要: 轴承定性诊断的传统方法需要复杂难懂的数学知识和高深的领域知识;基于深度置信网络的方法虽然克服了传统方法的缺点,但网络参数规模巨大,训练困难;基于时频图的卷积神经网络方法需用小波变换得到时频图。由于卷积神经网络具有强大的特征学习能力和泛化能力,提出了一种基于卷积神经网络的轴承故障定性诊断方法,直接利用一维振动信号对卷积神经网络进行训练。优势在于克服了传统方法的缺点;相比深度置信网络,网络参数少很多,训练高效;也无需小波变换得到时频图。采用西储大学和本实验室轴承数据,进行了一系列全面测试,表明本文方法能准确地定性诊断轴承故障,准确率高于其他所有方法;首次通过利用西储大学的轴承数据训练的卷积神经网络准确诊断了本实验室待测轴承的故障类型,这表明该方法能实际工程运用。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2020-09-28 合作期刊: 《计算机应用研究》
摘要: 为解决公共场所中人群分布不均以及目标尺度不一而影响人数估计的问题,提出了基于图像视野划分的公共场所人群计数模型。该模型首先将图像场景划分为远近视野两个区域:对近视野区域,使用基于YOLO的网络进行行人检测并通过添加场景约束避免在远近视野区域内重复计数;对远视野区域,使用改进的MobileNets提取人群密度分布特征,并引入超分辨率重建模块提升人群密度图质量,最终通过计算两者之和得到整幅图像中的人群数量。在Shanghai Tech和Mall数据集上进行测试,结果表明该模型在准确性和鲁棒性上有显著的提高。实验证明,模型切实可行。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-28 合作期刊: 《计算机应用研究》
摘要: 由于字形的复杂多变,脱机手写汉字的识别一直是模式识别的难题,深度卷积神经网络的发展为其提供了一种直接有效的解决方案。研究基于inceptions 结构神经网络的脱机手写汉字识别,提出了一种inception结构的改进方法,它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少。该方法在数据集CISIA-HWDB1.1 上进行了实验验证,采用随机梯度下降优化算法,模型达到了96.95%的平均准确率。实验结果表明,使用改进的inception结构在图像分类上具有更好的鲁棒性,更容易扩展到其他应用领域。
分类: 天文学 >> 天文学 提交时间: 2019-05-20 合作期刊: 《天文研究与技术》
摘要: 天体光谱数据的智能处理正由传统机器学习方法逐步转向深度学习,主要采用基于计算机视觉的技术手段。本文基于在计算机视觉领域广泛应用的DenseNet网络结构,针对光谱数据进行修改,建立了适用于光谱数据的一维卷积神经网络模型解决天体光谱数据分类任务。在验证数据集上,恒星、星系、类星体的F1分数达到了为0.9987、0.9127、0.9147,高于传统神经网络。光谱分类关注区域的可视化结果表明,本文模型可以学习到各类天体对应的特征谱线,具有较强的可解释性。本文的方法被用于阿里云天池天文数据挖掘大赛——天体光谱智能分类,并在843支参赛队伍的3次数据评比中获得了2次第一、1次第三的成绩,证明了该模型在保证分类精度的同时具有极强的鲁棒性、泛化性,适用于光谱的自动分类。
分类: 天文学 >> 天文学 提交时间: 2018-05-15 合作期刊: 《天文研究与技术》
摘要: 太阳黑子与耀斑的爆发存在紧密联系,因此及时准确地检测全日面图像中的太阳黑子可以为耀斑的预报提供依据。基于深度学习框架的LeNet-5卷积神经网络实现了一种太阳黑子自动检测方法,主要步骤包括:制作太阳黑子样本库、训练全卷积神经网络模型Sunspotsnet、检测和标记全日面像中的太阳黑子。实验结果表明,该方法可以识别SDO/HMI的全日面连续谱图像上各种类型的黑子,尤其是较弱的磁孔(0.88倍平均光球强度),采用基于深度学习的方法检测太阳黑子是可行的,训练的Sunspotsnet网络模型可以快速有效地应用在太阳黑子的检测上。
分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-07-26 合作期刊: 《图书情报工作》
摘要: [目的/意义]大规模在线开放课程论坛具有丰富的用户评论数据。从大量未区分的评论数据中,自动识别出知识密度较高的探索型对话并挖掘其潜在价值,对于改善教师教学质量以及提高学生知识水平具有重要影响。[方法/过程]首先利用GloVe方法训练词向量,加强对文本语义的理解,然后利用卷积神经网络自动学习文本特征,提出一种基于深度学习的探索型对话自动识别模型,并在学堂在线平台《心理学概论》课程论坛标注数据集上进行实证与对比研究。[结果/结论]实验结果显示,利用GloVe方法预训练词向量以及在训练过程中不断对词向量进行学习修正能够提高模型效果。该模型识别探索型对话的F1值为0.94,相较于传统的朴素贝叶斯方法(0.88)、逻辑斯谛回归方法(0.89)、决策树方法(0.88)以及随机森林方法(0.88)取得较大提升,具有较高的实用性和较低的学习成本。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 针对目前自然语言处理研究中,使用卷积神经网络(CNN)进行短文本分类任务时可以结合不同神经网络结构与分类算法以提高分类性能的问题,提出了一种结合卷积神经网络与极速学习机的CNN-ELM混合短文本分类模型。使用词向量训练构成文本矩阵作为输入数据,然后使用卷积神经网络提取特征并使用Highway网络进行特征优化,最后使用误差最小化极速学习机(EM-ELM)作为分类器完成短文本分类任务。与其他模型相比,该混合模型能够提取更具代表性的特征并能快速准确地输出分类结果。在多种英文数据集上的实验结果表明提出的CNN-ELM混合短文本分类模型比传统机器学习模型与深度学习模型更适合完成短文本分类任务。
分类: 机械工程 >> 机械工程其他学科 分类: 计算机科学 >> 计算机应用技术 提交时间: 2017-12-26
摘要: 现有轴承故障诊断方法存在不足:传统方法数学计算复杂,诊断效果不佳,且一般只诊断故障位置,难以诊断载荷及故障大小。现有的利用卷积神经网络的方法,使用传统卷积神经网络,一个网络只能输出一个属性,不能同时诊断多个属性,为了同时诊断故障位置、故障大小及载荷,首次提出了一种多属性卷积神经网络,并应用于轴承故障诊断,直接利用一维振动信号对多属性卷积神经网络进行训练。优势在于克服了传统方法的缺点:能获得故障属性任意组合的诊断结果,网络参数更少,方法简洁,泛化能力强,准确率高。采用西储大学的轴承数据,进行了一系列测试,表明本文方法能准确地诊断轴承故障的多个属性,准确率高,同时有很好的泛化能力。
分类: 天文学 >> 天文学 提交时间: 2021-08-20 合作期刊: 《天文研究与技术》
摘要: 在天文学研究领域,星系的分类一直是一个热点和难点问题。近年来有学者将机器学习应用到星系形态的简单分类任务上,但在分类过程中出现特征选择困难、特征遗漏、分类器选择困难等一系列难题。星系在视觉形态上可以分为椭圆星系、旋涡星系、透镜星系以及不规则星系,本文针对SDSS DR16、Galaxy Zoo2、EFIGI目录中星系的测光图像,提出了一种分类精度更高的星系形态分类的方法GMC(Galaxy Morphological Classification)。我们首先对图像进行了剪裁、去噪处理,然后采用旋转、平移、缩放等方法进行数据增强,最后搭建了星系形态分类网络GMC-net对图像进行分类。从实验分类结果来看,旋涡星系、椭圆星系、透镜星系以及不规则星系分类精确率分别为98.29%、98.49%、99.18%、99.91%,召回率分别为98.44%、99.03%、98.89%、99.34%;对单独来自EFIGI目录中四种形态星系的分类准确率也达到了99.34%。实验结果表明GMC相较于其他分类方法表现更好,可以更有效地用于星系的形态分类。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 在衡量图像之间的相关度时,图像的物理特征(颜色分布、灰度值等)所能表达的内容可能并非十分全面,因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度。为此提出了一种基于深度卷积神经网络(deep convolutional neural networks)分类模型的度量图像相关度的方法,利用模型为图像绑定来自于WordNet的语义标签,并参照WordNet结构对标签进行过滤和扩展,利用概念集合计算图像相关度。与人工判定的样本数据比较,Pearson相关系数峰值能够达到0.73,证明该方法在衡量图像相关度时具有一定的效果。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 随着互联网与多媒体拍照技术的飞速发展与普及,使得各种各样的图像资源数量急剧膨胀。如何在众多的图像信息资源中快速、有效地寻找用户最喜欢的图像,成为了图像推荐领域需要解决的一个重要问题。针对这个问题,提出了一种用户偏好的美学图像推荐方法,通过使用深度卷积神经网络提取图像的深层特征,并经过SVMRank后得到一个图像排序得分,同时使用手工标记的图像美学因素(如色调法、图像组合规则、清晰度以及简洁性)计算并得到图像的美学特征,得到一个美学得分,最后进行加权交叉验证得到一个令用户满意的推荐结果。通过实验表明该算法为一种有效的美学偏好推荐方法。
分类: 计算机科学 >> 计算机软件 提交时间: 2024-01-07
摘要: 本文基于图神经网络,提出了一种用于工业过程控制回路故障诊断的方法。通过对回路传感器输出信号的监测,图神经网络能够捕捉到回路中的异常行为,并自动诊断回路故障类型。实验结果表明,该方法能够高效地检测到回路故障,并且能够在单故障和多故障情况下都实现较高的准确率。该方法为工业过程控制提供了可靠的故障诊断方案,在实际工业应用中具有重要的意义和应用价值。
分类: 天文学 >> 天文学 提交时间: 2023-10-18 合作期刊: 《天文研究与技术》
摘要: 作为预测太阳活动的重要依据,太阳黑子的麦金托什(McIntosh)分类由于其中某些类别与耀斑爆发有着紧密联系而应用广泛。随着数据量的快速增加,自动化进行太阳黑子的麦金托什分类已成为迫切需求。使用太阳动力学观测站(Solar Dynamics Observatory,SDO)上的日震与磁场成像仪(Helioseismic and Magnetic Imager,HMI)提供的720s-SHARP(Spaceweather HMI Active Region Patch,SHARP) 系列数据产品和美国国家海洋和大气管理局( National Oceanic and Atmospheric Administration,NOAA) 提供的太阳区域摘要(The Solar Region Summary,SRS)信息作为用于麦金托什分类的图像数据来源和标签数据来源,首先在仅有7年数据Sharp数据库基础上进行扩充,建立一个完整太阳周期(时间跨度为12年)且经过数据清洗的有效太阳黑子newSharp数据库;其次根据太阳黑子图像的特征,采取一系列如按活动区分配数据等预处理操作,并证明其科学性和必要性;最终使用卷积神经网络(Convolutional Neural Network,CNN)中4种经典的分类神经网络模型将Sharp 和newSharp进行麦金托什(McIntosh)分类对比实验。实验结果表明,newSharp相比于Sharp, 除了数据量有显著提高,同时有效样本的加入和无效样本的清洗使得大部分类别的加权F1分数有所提升,少类的加权F1分数实现0的突破;其中McIntosh-p的加权F1分数整体提升最大,验证了建立完整可靠的数据库和使用科学合理的实验方法的有效性,能较好实现自动化且端到端地处理实际观测到太阳黑子图像的麦金托什分类任务。
分类: 天文学 >> 天文学 提交时间: 2023-03-13 合作期刊: 《天文研究与技术》
摘要: 提出了一种基于Xception结构的天体目标自动分类算法,该算法可有效应用于星系、恒星和类星体的自动分类问题。算法以Xception为基础框架,通过选择最优激活函数,加入注意力机制等方式进行改进。随机选择SDSS-DR16测光图像数据中的11543个星系、10490个类星体和11967个恒星共34000个观测源g,r和i的3个波段的图像作为实验数据,并设计多组实验进行算法验证和测试,综合分析所有实验结果得出本文算法在准确率、精确率、召回率和F1分数等关键指标分别达到了90.26%,90.01%,89.86%和89.85%。相同数据集与其他13种经典和流行的卷积神经网络(Convolutional Neural Network, CNN)算法的实验测试结果对比表明,本文提出的Xception-AS算法具有更加优异的分类性能,证明本文算法在解决天体目标自动分类问题具有优越性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-06-19 合作期刊: 《计算机应用研究》
摘要: 针对图像失真分类问题,提出了一种基于Gabor小波和CNN(convolutional neural network,卷积神经网络)的失真类型判定新算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取,再通过改进的CNN进一步提取关键特征。算法步骤包括:首先对图像进行预处理(包括标签设定、样本均衡和样本扩充);然后对预处理后的图像进行8方向的Gabor小波变换,并将不同方向的子带叠加构成输入样本;最后通过自行设计的CNN和Softmax分类器对样本进行训练,训练的过程中采用随机梯度下降和反向误差传播的方法对卷积核参数进行优化得到最终模型。利用训练好的模型进行失真类型判定实验,在LIVE标准图像库上分类正确率达到95.62%,表明本算法具有较高的准确性和鲁棒性。
分类: 信息科学与系统科学 >> 控制科学与技术 提交时间: 2024-01-06
摘要: 人工智能的核心课题之一是神经网络与深度学习,它们模仿人脑的工作原理,通过多层次的神经元连接来从数据中挖掘有价值的知识和规律。神经网络的研究始于上世纪四十年代,经过几次起伏和革新,目前已经涵盖了多个种类和领域,如卷积神经网络、循环神经网络、语音识别、计算机视觉和自然语言处理等。深度学习是指利用多层神经网络来处理复杂的非线性问题,它依赖于海量的数据和计算资源,以及高效的训练和优化技术。深度学习在近几年取得了令人惊叹的进展,但也存在着一些难题和挑战,如模型解释性、泛化能力、安全性和可靠性等。深度学习仍是一个充满活力和前景的研究领域,有望为人类的智能和生活开辟更多的机会和可能。本文将从神经网络到深度学习来简要介绍一下部分类型的神经网络结构以及部分深度学习的模型结构。
分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-07-26 合作期刊: 《图书情报工作》
摘要: [目的/意义]以用户情感为线索的图像检索已成为机器学习研究的热点,但图像情感特征标注的语料数据多来源于对图像低层特征的抽取,从而导致图像检索过程单一化和程式化。本文提出了一种基于深度学习的图像情感特征抽取的算法,将图像底层特征融合到图像的高层情感语义当中,为实现图像的情感语义检索提供了参考。[方法/过程]利用改进的卷积网络模型,将数据集图像的颜色、纹理作为输入,经多层运算自动提取图像的情感信息,并通过反向传播算法计算出改进后模型的情感检索准确率,构造出准确率较高且过拟合程度低的图像情感特征提取模型。[结果/结论]应用改进的卷积神经网络模型,实现了对图像情感特征的抽取,相较于原模型提升了10%的检索准确率。