基于深度卷积神经网络的图像分类算法

针对传统的图像分类算法忽略图像多个对象之间的关系,同时存在人类感知高层语义信息和底层图像特征表达之间的障碍等不足,引入了基于深度卷积神经网络的人脸图像识别算法.该算法借助于深度学习,对经典的卷积神经网络分别从内部结构和网络框架上进行优化和改进,通过增加网络结构深度和优化训练模型提取出图像高层语义特征,继而提高图像分类的精确度.实验表明,改进后的深度卷积神经网络分类算法具有良好的有效性和鲁棒性.     

基于残差网络的图像超分辨率算法改进研究

图像超分辨率重建算法的主要内容是使用低分辨率的图像信息生成高分辨率图像。近年来,随着深度学习和卷积神经网络的发展,出现了很多基于卷积神经网络与残差网络的超分辨率算法。为了解决这些算法参数数量过多、处理过程复杂、训练时间长等问题,结合现有残差网络模型和深度学习算法对其进行改进,包括调整网络结构,减少需要学习的参数,以及去除批归一化层,降低计算复杂度。改进后的网络模型能够取得更好的效果,生成图像的主观和客观评价有一定提高。     

基于贝叶斯与生成式对抗网络的手写字文本识别算法

为了提高机器学习算法对手写字文本识别能力,克服个体手写字风格多变的干扰,设计了一种基于贝叶斯与生成式对抗网络的手写字文本识别算法。首先,建立10000个汉字的手写字数组头,每个汉字数组头后面依附100种手写体,构建起1000000帧汉字文本图像帧,作为后续学习训练的训练集数据输入。然后,利用贝叶斯线性模型,结合线性回归和先验分布,基于手写字图像样本数据库,进行有监督的机器学习训练,得到机器学习算子,完成针对手写字的粗识别。随后,根据生成式对抗网络原理,创建生成模型和判别模型,设计自适应潜在损失函数和迭代终止函数,解决深度学习普遍存在的过拟合问题,完成生成式对抗网络算子,完成针对手写字的深度识别。最后基于QTcreator开发的集成平台来实现所提算法的功能,其中,机器学习算子由OpenCV视觉函数实现,深度学习算子由TensorFlow框架实现。实验数据显示,相较于传统手写字识别算法而言,所提算法具有更高的手写字识别能力。     

仿生模式识别在影像学肺炎判别算法的改进

提出了一种结合卷积神经网络和仿生模式识别的改进判别算法,以仿生模式识别为基础,首先构建一个基于卷积神经网络的特征提取网络。将图像特征提取之后,利用仿生模式识别构建并训练一个分类网络用于图像的分类。为证明方法的有效性,进行了3组对比实验,第1组为算法在少量数据下的对比分析,其改进后算法平均准确率比传统算法高了10%;第2组为算法在稍多数据下的对比分析,本算法平均准确率达到92%,高于传统算法;第3组为算法在较多数据下的对比分析,其平均准确率达到88%,高出传统算法10%。     

基于DenseNet迁移学习的年龄相关性黄斑变性图像的分类方法研究

针对年龄相关性黄斑变性图像的分类研究,提出采用DenseNet迁移学习的图像分类方法.对原始图像进行归一化、限制对比度自适应直方图均衡化等预处理方法,采用旋转、剪裁等数据增强方法扩增数据.在DenseNet网络模型基础上,采用数据集ImageNet首先对DenseNet网络模型进行预训练,然后将训练后得到的网络模型予以迁移,在做增强后的目标数据集上进行微调训练.结果表明:采用迁移学习方法的DenseNet网络模型不仅可以快速收敛,而且可以达到99.31%的分类准确率,整体性能优于对DenseNet直接训练方法.     

基于迁移学习技术的面部表情识别算法

针对面部表情识别算法存在模型结构复杂、训练参数过多等问题，在对卷积神经网络各层分析的基础上，将迁移学习算法融入到面部表情识别模型中，从而对面部表情进行识别和分类.该文提出的算法首先通过数据增强的方法扩充面部表情图片的数量，然后将VGG16模型在ImageNet图像数据集上训练得到的权重参数，通过参数微调的方法，传递到面部表情识别模型中.最后采用全局平均池化层代替传统的全连接层，对表情图片通道信息进行求和运算实现降维，减少模型的网络参数.实验结果表明：提出的模型在KDEF数据集中取得了优异的识别效果，平均测试准确率达到96.23%.     

一种语音情感深度迁移识别算法

传统语音情感识别算法模型结构较为简单,需要足够量级的训练数据才能使其具有一定的实用性.然而,在实际应用中可供训练的数据集较少.为解决上述问题,提出了一种语音情感深度迁移识别算法.通过属性分析表构建、特征提取、相关性计算等操作确定源域数据集,并在此基础上训练迁移学习并构建预训练模型,最终构成语音情感分类模型.实验结果表明...     

基于改进深度信念网络的电力变压器故障诊断研究

针对传统算法在变压器故障诊断领域存在参数难以选取、准确率低、易误判等缺点,提出一种基于改进深度信念网络（IDBN）的电力变压器故障诊断方法。在油中溶解气体分析(DGA)基础上,首先以IDBN无监督训练方式重构原始数据特征,然后以有监督方式学习特征与故障类型之间的映射关系,最后将测试数据应用于模型并进行实验。实验结果表明,该方法不仅具有较高精度,而且在准确率方面优于传统的人工神经网络和支持向量机方法。因此,将改进深度信念网络用于变压器故障诊断具有较高的应用价值。     

梯度域和深度学习的图像运动模糊盲去除算法

针对传统图像去运动模糊方法易放大噪声,产生振铃效应等问题,提出一种基于梯度域和深度学习的图像运动模糊盲去除算法。该算法利用引导滤波和L0滤波对图像进行预处理,将预处理后的梯度域图像块送入设计的卷积神经网络进行训练;提取训练好的模型参数,实现模糊核估计与图像复原;在图像复原过程中使用TV正则项进行图像去模糊。与其他算法相比,该算法能有效地抑制振铃效应和减弱噪声,去运动模糊效果较好。     

基于投影与深度学习网络的三维人脸特征点定位方法

标定三维人脸模型特征点对人脸识别、人脸建模等都具有重要作用。针对人脸特征点标定需要手工干预、标定特征点个数少或不准确、标定时间长等问题,提出了一种基于投影与深度学习网络的人脸三维模型特征点标定法。基于正交投影,生成人脸三维模型二维深度图与二维特征点位置,采用以卷积神经网络为主的深度学习网络模型训练测试,将深度图上特征点映射到三维人脸模型,实现眉毛、眼睛、鼻尖、嘴巴等重要区域的特征点定位。实验表明,该方法可自动标定三维人脸模型特征点,快速、准确预测足够数量特征点位置。     

基于深度学习的高分辨率遥感图像海陆分割方法

将高分辨率遥感图像进行像素级海陆分割是遥感应用领域的一项基础性工作,对海岸线提取和海洋近岸目标检测具有重要意义,但传统阈值方法往往由于高分辨率遥感图像覆盖范围广、地物纹理复杂等特点而难以取得预期效果。为了提升高分辨率遥感影像海陆分割精度,改善传统阈值方法的不足,基于深度神经网络模型利用编码器—解码器架构,并在编码层中引入残差块,以更好地对特征图进行高级语义信息提取,通过解码层将编码层生成的特征图还原成与输入尺寸相同的特征图,最后通过Sigmoid层对图像进行像素级海陆分割。在高分辨率遥感图像数据集上的实验结果表明,该网络模型取得良好了分割效果,准确率和Kappa系数分别达到了94.3%和93.7%。与传统方法相比,海陆分割精确度得到了有效提升。     

改进 SSD 的交通标志目标检测算法

以 Faster R-CNN 为代表的 two-stage 目标检测算法检测速度慢,而 one-stage 目标检测算法中的 SSD算法虽然检测速度快,但对交通标志类小目标的检测效果不佳。因此在 SSD 算法 VGG16 骨干网络上引入感受野块（RFB）结构,既提升检测速度又可在小目标检测上达到良好的检测精度。与此同时,为提高网络分类精度,在损失函数中加入中心损失。将 SSD 算法与改进的 SSD 算法在 VOC 数据集上进行训练,对比其性能可知,改进后算法 mPA 值达到 80.7%,相比 SSD300（VGG16）算法提高了 3.5%。该算法在 LISA traffic sign 数据集上训练,在迁移学习的基础上得到的 mPA 值为 78.4%,检测单张图像平均耗时为 20.5ms,可满足实时性要求。     

基于多区域中心加权卷积特征的图像检索

针对图像特征局部信息描述不足问题,提出一种基于多区域中心加权深度卷积特征提取方法。首先通过卷积神经网络提取输入图像的卷积层激活特征图,然后通过计算不同通道特征图的差异,选择具有区分性的区域特征图,最后通过多区域权重进行加权聚合,生成用于检索图像特征向量。在不同的建筑物数据集进行实验,结果表明检索精度分别提升了1.2%、0.9%。     

基于文本—图像及流形插值的对抗模型

针对传统文本—图像对抗模型中,由于反卷积网络参数过多容易产生过拟合现象,导致生成图像质量较差,而线性分解方法无法解决文本—图像对抗模型中输入单一的问题,提出一种在线性分解基础上加入流形插值的算法,并对传统 DCGAN 模型进行改进,以提高图像的鲁棒性。仿真实验结果表明,生成花卉图像的 FID分数降低了 4.73%,生成鸟类的 FID 分数降低了 4.11%,在 Oxford-102 和 CUB 两个数据集上生成图像的人类评估分数分别降低了 75.64%和 58.95%,初始分数分别提高 14.88%和 14.39%,说明新模型生成的图片更符合人类视角,图片特征更为丰富。     

矩阵分解技术在电影推荐系统中的应用

随着大数据、移动互联网的快速发展,推荐系统成为解决网络信息过载的有力工具。为解决传统推荐系统由于没有将社交网络中用户关系考虑进去而导致的稀疏矩阵、冷启动等问题,提出一种基于矩阵分解技术的电影推荐系统算法MFMRS。该算法充分考虑到社交网络中用户之间的关系对推荐结果的影响,通过设置特征参数、损失函数、随机梯度下降等方法对推荐系统的精度进行改进。结果表明,通过应用该算法,Douban数据集的精度提升62%,Netflix数据集的精度提升51%。     

基于图像分割的改进型预测编码

传统的预测编码是通过将图像转化为预测差来消除像素间的冗余度,从而实现图像压缩。为了进一步减小预测差的熵,提出了一种基于图像分割的改进型预测编码算法。实验结果表明,该算法具有比传统预测编码更好的压缩效果。同时,还比较了各种不同的分割方法对图像压缩性能的影响。     

基于GIS的交通物流预警图像传输优化

分析地理信息系统(GIS)、北斗卫星导航、GPS、位置信息服务、移动互联网传输等技术在交通物流中的应用,提出基于移动互联网与GIS的预警图像传输优化方法。物流运输监测预警图像适配视频传感器在动态检测图像上结合Exif信息匹配地理信息坐标位置网点,采用哈夫曼编码进行图像压缩、运动检测算法处理图像冗余,并采用纹理合成的匹配块图像修复失真等方法还原图像数据,最终实现不同空间地理位置的地图查询、路径搜索、位置检索、地图匹配等交通物流过程动态控制,并通过Matlab仿真实验证明了传输优化的可行性。     

人脸识别中的边缘检测技术

边缘的提取在人脸识别技术中具有重要的意义。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘;而神经网络算法由于没有样本的压缩功能,导致训练量过大。文章在传统算法的基础上结合神经网络算法对人脸图像的边缘进行检测。实验结果表明,该方法快速稳定,得到的边缘图像边界封闭性好,抗噪能力强。     

基于非凸低秩优化的压缩感知植株图像重构

目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权[lp]范数最小化算法（WSNM）求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。     

一种图象水印的改进算法

An improved image watermark algorithm (IIWA) is given in this paper, the work flow chart and the work principle of this algorithm are introduced in detail. Although the normal watermarking technique brings up a new way of securing data transactions through the Intemet, its robustness and integrity are vulnerable during the net transmission and image processing. Using network signature technique, varied coding methods and other unique technique, IIWA improved the general watermark algorithm in the robustness and integrity. In other words, IIWA greatly enhanced the transmission security and can be applied to information protection in the Internet.