Results 31 to 40 of about 2,214 (195)
Removing rain from a single image via Convolutional Neural Network [PDF]
, 2016 受恶劣天气的影响，室外视觉系统所获得的图像会劣化。雨是常见的恶劣天气之一，目前国内外关于去雨的问题已有一些解决的方案，但大多关注于视频去雨。由于该类方法是以丰富的时空相关信息为前提，因而并不适用于单幅图像去雨。近年来，单幅图像去雨的研究逐渐受到重视，然而现有方法需要在去雨效果和图像清晰度之间折中且计算效率低下，难以满足实际应用需求。 为此，本文针对单幅图像去雨，基于变分法和卷积神经网络提出三种新的单幅图像去雨算法，主要研究内容及成果如下： 1.提出基于梯度正则化的单幅图像去雨算法 ...
陈丽琴
core
Dizhen xuebao, 2022 地震发生后震级的快速准确估算是确保地震预警减灾效果的最重要部分，而基于经验参数的传统方法在准确性和时效性方面各自存在局限性。通过建立多全连接层卷积神经网络模型，选用日本KiK-net和K-NET台网1997年至2019年记录到的3 065次地震的16万4 547条初至波在3—9 s不同时段的频域数据、对应地震事件的震源信息（震中距和震源深度）以及场地信息（vS30）作为全数据集，对提出的模型进行训练并对估算效果予以评估。结果显示：当初至波截取时段为3 s时，模型震级预测的整体准确率为89.92 ...
Dongliang Wei +4 more
doaj +1 more source
Research of Facial Attributes Recognition Based on Convolutional Neural Networks [PDF]
, 2017 人脸属性识别，是指对利用计算机来辨别和分析图像中关于人脸的各种属性信息，其包括生物属性识别及非生物属性识别。前者是指对个体的年龄、性别、种族等一般生物信息进行测定，对发色、眉形等特定类别进行分类，以及对微笑、愤怒等情绪/脸部表情进行识别。而后者是指识别眼影、口红等妆容以及眼镜、帽子等配饰。近年来，人脸属性识别因其在人脸验证、人脸识别和人脸检索的广泛应用，受到了越来越多的关注。传统的人脸属性识别方法，一般遵循手工提取人脸特征表示，继而训练分类器的步骤。众所周知，分类器的泛化能力取决于人脸特征表示的优劣 ...
许焰瑜
core
基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知
Kongjian kexue xuebao, 2023 目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为 ...
杨 凯, 胡 圣波, 张 欣
doaj +1 more source
, 2018 针对布匹生产企业存在人工检测布匹瑕疵效率低、误检率、漏检率高的问题,提出一种基于深度卷积神经网络的单色布匹瑕疵检测算法.首先由于布匹瑕疵的数据规模远小于大型深度卷积神经网络的数据规模,如果采用大型卷积神经网络,计算量大且容易导致过拟合,因此设计了浅层的卷积神经网络结构;然后提出双网络并行的模型训练方法,用一个大网络指导小网络的训练过程,提高模型的训练效果;最后为了使得深度卷积神经网络模型脱离GPU的限制,能够在普通电脑、移动设备、嵌入式设备中高速运行,且保证模型检测精度 ...
冯勇建 +5 more
core
Gaoya dianqi, 2022 高压断路器分合闸线圈的电流信号蕴含着丰富的断路器操动机构状态信息，对操动机构故障诊断具有重大意义。首先，文中通过集合经验模态分解（ensemble empirical mode decomposition,EEMD）具备的检测突变点性能确定有效分合闸线圈电流信号段，并对其进行EEMD自适应降噪处理。其次，运用时域求极值法对有效信号段进行信号处理，提取电流、时间复合特征量。最后，通过对复合特征量数据进行Kronecker张量积预处理，以便输入到卷积神经网络（convolutional neural ...
鄢仁武 +5 more
doaj
Convolutional neural network's image moment regularizing strategy [PDF]
, 2016 卷积神经网络的池化策略包含极大池化和平均池化,极大池化选择池化区域中的最大值,极易出现过抑合现象;平均池化对池化区域中所有元素赋予相同权重,降低了高频分量的权重。本文提出将矩池化作为卷积神经网络的正则化策略,矩池化将几何矩概念引入到卷积神经网络的池化过程中,首先计算池化区域的中心矩,然后根据类插值法依概率随机地从中心矩的4个邻域中选择响应值。在数据集MNIST、CIFAR10、CIFAR100上的实验结果表明随着训练迭代次数的增加,矩池化的训练误差和测试误差最低 ...
李绍滋, 殷瑞, 苏松志
core
Short-term power load forecasting method based on CNN-SAEDN-Res
, 2023 In deep learning, the load data with non-temporal factors are difficult to process by sequence models. This problem results in insufficient precision of the prediction. Therefore, a short-term load forecasting method based on convolutional neural network
Cui, Yang +4 more
core +1 more source
, 2018 为解决在复杂环境下,如姿势不同、光照条件以及遮挡等因素导致传统人脸特征点检测算法的精度大幅度下降的问题,在特征点检测理论知识以及研究现状的基础上,针对传统卷积神经网络模型在处理人脸特征点检测问题时的不足之处,提出基于小滤波器的深卷积神经网络。算法引入小滤波器思想和以拓展\"网络深度\"优先的深层卷积神经网络模型,针对人脸特征点检测重新设计训练,提高了算法的有效性与适用性。通过将算法应用于ALFW和AFW人脸数据集上预测5点人脸特征点问题,并与其他多个经典算法进行对比分析,结果表明 ...
洪清启 +4 more
core
Dizhen xuebao, 2020 为了快速、高效地从地震数据中识别地震事件和拾取震相，本文利用基于样本增强的卷积神经网络自动震相拾取方法，将西藏林芝地区L0230台站3个月数据作为训练集，该区内另外6个台站连续1个月的波形数据作为测试集，采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集，以提高自动震相拾取技术的准确率。结果显示：样本增强前模型在测试集上的地震事件识别准确率为80%，样本增强后提升至97%，表明样本增强有效地提高了模型的泛化性能和抗干扰能力；在0.5 s误差范围内 ...
An Li +4 more
doaj +1 more source