基于深度学习的数字图书馆文本分类研究

【目的/意义】引入人工智能领域中的深度学习方法来解决数字图书馆中传统文本分类的缺陷,这既是人工 智能领域研究的重点,也是图书馆领域关注的热点问题。【方法/过程】在对数字图书馆传统文本分类进行系统梳理 的基础上,提出基于深度学习的数字图书馆文本分类模型,利用词向量的方法对文本特征进行表示,采用深度学习 模型中的卷积神经网络提取文本信息的本质特征,并进行了实验验证。【结果/结论】实验测试表明,基于深度学习 的文本分类模型可以有效地提高数字图书馆文本分类的准确率和召回率,不仅可以提高数字图书馆内部业务的智 能化程度,还可以提高数字图书馆信息服务的效率和质量。     

深度学习在水利遥感领域的应用

深度学习在遥感影像处理方面成果显著,图像处理能力进步飞快。本文从深度学习的发展及应用出发,对当前深度学习中卷积神经网络、循环神经网络、受限玻尔兹曼机、自动编码器四种算法进行总结,对当前深度学习在水利遥感领域的应用进行了梳理,综述了深度学习在水资源与生态环境管理、洪涝灾害的预防与监测、水资源环境监测与分析、水面关键物监测识别等方面的遥感研究。最后,本文分析了深度学习在水利遥感领域的应用不足与发展趋势,并对未来的水利遥感应用进行展望。     

基于深度学习的无人机图像防震锤检测研究

基于传统的防震锤定位识别费时、价格高、低效的现状,提出了一种高效准确的无人机图像的抗震动检测方法,该方法是利用卷积神经网络对输电线路绝缘子进行深度学习,然后识别和定位航拍图像的抗震动特性。在大量航拍图像上进行了实验测试,结果表明该算法能够清晰有效地检测到防震锤。     

基于深度学习的图像识别研究

图像识别技术是人工智能的一个重要领域,传统的图像识别方法需要人工设计特征,而深度学习属于神经网络结构,它能够从大数据中自动学习特征,极大的提高了识别准确率以及效率。因此本文着重研究了基于深度学习的图像识别方法,并探讨了卷积神经网络以及深度信念网络的基本模型和原理。     

基于深度学习的车辆识别系统设计

本设计针对无人驾驶中目标识别问题,设计了一种基于深度学习的车辆识别系统。该系统一共包括三大模块,分别是图像采集模块、图像预处理模块和图像识别模块。其中图像采集模块以两百万像素的工业摄像头为核心对图像进行采集。图像预处理模块包括图像增强、图像去噪、模糊图像复原。图像识别模块以深度学习为核心对车辆进行识别。通过相关算法对质量下降的图片进行有效处理提高图片质量,本文构建的基于深度神经网络的模型可以对图像中的车辆进行有效识别,具有一定的实际价值。     

钢板表面缺陷深度主动学习高效分类方法

针对钢板表面缺陷图像分类传统深度学习算法中需要大量标签数据的问题,提出一种基于主动学习的高效分类方法。该方法包含一个轻量级的卷积神经网络和一个基于不确定性的主动学习样本筛选策略。神经网络采用简化的convolutional base进行特征提取,然后用全局池化层替换掉传统密集连接分类器中的隐藏层来减轻过拟合。为了更好的衡量模型对未标签图像样本所属类别的不确定性,首先将未标签图像样本传入到用标签图像样本训练好的模型,得到模型对每一个未标签样本关于标签的概率分布(probability distribution over classes, PDC),然后用此模型对标签样本进行预测并得到模型对每个标签的平均PDC。将两类分布的KL-divergence值作为不确定性指标来筛选未标签图像进行人工标注。根据在NEU-CLS开源缺陷数据集上的对比实验,该方法可以通过44%的标签数据实现97%的准确率,极大降低标注成本。     

基于卷积神经网络的人脸识别研究

传统人脸识别技术无法准确辨识脸部详细特征,如今将卷积神经网络技术渗透人脸识别研究过程,参照传统的lenrt-5模型的结构,讲述一种CNN结构。通过验证得知,此类结构无需复杂的学习参数,并且基于数据库可以获得较高的识别率。本文重点讲述了卷积神经网络的内容、学习框架以及学习内容。     

浅析卷积神经网络

深度学习目前成为了计算机科学领域最热门的技术,在图像处理领域,基于卷积神经网络的图像识别得到了深入的研究,本文介绍了卷积神经网络的基本概念、结构。     

基于卷积神经网络目标检测算法的应用

近年来,卷积神经网络在图像分类、目标检测、图像语义分割等领域取得了一系列突破性的研究成果,其强大的特征学习与分类能力引起了广泛的关注,具有重要的分析与研究价值。随着我国科技化的快速发展,智能监控技术的应用也在快速的发展。智能监控技术现在主要是依靠目标检测来实现,但是,在传统的目标检测技术上还存在一些不足之处。比如,目检测效果不够好,误检率高等。因此,继续对目标检测算法进行研究和优化仍然具有重要意义。在本文中,将讨论深度卷积神经网络在目标检测任务中实际应用,同时该技术的产生对城市管理和智能监控技术的发展带来的深远意义。     

统计学习在图像分类中的应用研究综述

在基于图像内容的分析与理解领域图像分类技术是近些年来的研究热点,在景物自动识别、机器人等领域有着重要的应用。本文介绍了统计学习与图像分类的基本原理,讨论了在图像分类中常用的一些统计学习算法,并对其依据生成式学习和判别式学习进行系统阐释。     

图像识别深度学习技术展望

随着人工智能技术日益发展,以深度学习为代表的机器学习技术在图像识别领域得到广泛关注。深度学习技术源于神经网络,较传统神经网络技术网络结构层次更为深入,网络参数设置和调整策略更为复杂。本文从深度卷积网络结构、参数调整策略方面出发,回顾了深度卷积网络图像处理技术的发展,分析了影响深度卷积学习效率的关键因素,对限制深度学习技术应用的瓶颈问题进行了探讨,并对未来技术发展给出展望。     

2002-2016年国际图像检索领域文献计量分析

[目的/意义]图像包含了丰富、生动的信息,利用图像检索技术能够有效的对大规模图像信息进行分析、组织和处理,具有重要的实践意义。近年来,各国对图像检索的研究力度不断加大,有必要对国际图像检索文献进行梳理。[方法/过程]本文采用文献计量方法和CitespaceⅢ可视化工具,对收集Web of Science数据库中有关图像检索领域的文献进行分析,梳理了文献时间分布规律、学科分布状况,并重点从作者、机构和国家和关键词频的角度探索了国际图像检索领域的主要研究力量和研究热点。[结果/结论]通过总结和分析发现：图像检索领域的主要研究作者和机构大部分来自于中国;国际作者合作尚未形成较为规模的团队、美国与中国是图像检索领域研究的主要力量;目前的研究热点主要集中在基于内容的图像检索、图像分类和相关反馈这3个方面。     

基于Tensorflow框架的手写数字识别

手写体数字0-9的识别在原始数据集的获取上较为容易,拥有MNIST的这种成熟的大型标准数据集,已经被视为是人工智能图像识别领域研究的入门问题,对其进行研究具有重要的现实意义。在众多的识别算法中,卷积神经网络在识别精度上的表现较为突出,而深度学习框架的出现在一定程度上降低了神经网络模型构建的难度和入学门槛。本文基于Tensorflow深度学习框架,详细讨论了如何构建LeNet-5卷积神经网络模型实现手写体数字识别的方法,使用MNIST数据集进行模型的训练与评估。     

基于深度学习的信息组织与检索研究综述

【目的/意义】深度学习是近几年来人工智能领域的研究热点之一,了解深度学习在信息组织与检索方面的研究现状,能为信息组织与检索的深入研究提供参考和借鉴。【方法/内容】通过对国内基于深度学习的信息组织与检索方向的相关文献进行梳理,剖析深度学习相关模型、阐述深度学习在信息组织与检索中的研究热点主题,并结合深度学习技术的特点和信息组织与检索的研究内容,对深度学习在信息组织与检索方向的应用前景进行预测。【结果/结论】研究表明,当前深度学习在信息组织与检索中的研究热点主要集中在智能信息抽取、自动文本分类、情感分析和文本聚类这四个主题,预测未来深度学习在信息组织与检索方向会朝着对异构信息处理、智能信息检索、个性化信息推荐等方向发展。     

基于深度神经网络的直线二级倒立摆控制器设计

针对直线二级倒立摆抗干扰控制器设计问题,研究了基于深度神经网络的智能控制方法。首先介绍了BP神经网络和深度神经网络模型及优化算法,并且根据直线二级倒立摆状态方程,研究了基于深度神经网络的直线二级倒立摆控制算法。然后设计了一个六输入单输出的深度神经网络控制器模型,并利用Pytorch框架,以LQR作为导师进行神经网络的训练,训练完成后利用MATLAB软件对训练后的神经网络进行仿真实验验证,并与BP神经网络控制器进行对比,最后在直线二级倒立摆实验平台上进行实验验证。仿真与实验表明,所设计的深度神经网络控制器能够实现直线二级倒立摆的良好抗干扰控制,从而证明了该研究设计方法的合理性和有效性。     

深度学习在轴承故障诊断中的应用

深度学习是机器学习的一个领域。目前,已成为一种有前途的智能轴承故障诊断工具。本研究对深度学习在轴承故障诊断方面的应用进行系统综述。简要介绍了三种流行的轴承故障诊断深度学习算法：自动编码器、受限玻尔兹曼机和卷积神经网络,并讨论了该研究领域的进一步应用和挑战。     

无标记数据学习及其在图像检索中的应用

机器学习的应用中,通常存在大量的未标记示例,对这些数据进行标记是昂贵和耗时的。与传统的监督学习不同,基于无标记数据的学习能同时在少量的已标记数据和大量的未标记数据上进行学习,从而提高学习的性能,已成为目前机器学习领域中的一个研究热点。分析了基于无标记数据的学习适用基于内容的图像检索的原因,并阐述了相关研究的进展情况。     

基于内容的图像检索关键技术

随着数据库、多媒体、Internet等技术的迅猛发展,越来越多的图像数据已被人们广泛应用。如何快速有效地实现图像检索,已成为当前数字图像领域急需解决的问题。基于内容的图像检索已成为国内外研究的热点之一。文章简要介绍了基于内容的图像检索技术的概念及其工作原理,重点描述了基于内容的图像检索的几项关键技术---图像特征的提取、匹配及相似检索技术。     

基于深度学习的学术文本段落结构功能识别研究

【目的/意义】在学术大数据的应用背景下,对学术文本更加细粒度、语义化的分析挖掘日益迫切,学术文本结构功能识别成为科研领域的一个研究热点。【方法/过程】本文从段落的层次来识别章节结构功能,提出利用结合卷积神经网络和循环神经网络的特征对学术文本段落进行表达,然后进行分类。【结果/结论】文本提出的深度学习方法在整体分类结果上优于传统的机器学习方法,同时极大的减少了传统特征工程的人力需求。     

基于反向传播神经网络的身份证号码识别研究

基于反向传播算法的多层前馈网络(简称BP神经网络)在图像处理方面应用较为广泛。目前,身份证号码识别技术在图像识别领域迅猛发展,为提高识别身份证号码的速度及准确性,本文研究一种基于BP神经网络的身份证号码识别系统。首先,将身份证图像进行预处理,接着利用MATLAB对身份证号码进行定位以及分割,然后利用BP神经网络,通过调用MATLAB神经网络工具箱,设置相关参数对身份证号码进行训练、匹配数据库中的数字,最后识别并输出身份证号码。实验结果表明,基于BP神经网络的身份证号码识别正确率为95%,该系统具有较高的准确率以及鲁棒性。