基于级联深度卷积神经网络的档案图像真伪鉴别算法

针对档案数字图像内容的真实性鉴别问题,提出了基于级联深度卷积神经网络的图像真伪鉴别算法。该算法首先利用深度学习中的卷积神经网络模型自动提取特征点,然后构建协方差描述子作为特征点描述符并进行匹配,最后通过匹配的特征点判定篡改区域。实验证明,该算法能够准确地鉴别出图像的真伪。     

一种金属类酒瓶盖瑕疵质检算法

针对酒瓶盖瑕疵会影响产品质量的问题,提出了一种酒瓶盖瑕疵YOLOv3-MRHA检测算法,基于YOLOv3算法,对其主干网络和特征提取层进行改进。为减少主干网络特征丢失现象,提出了多级特征融合(multilevel feature fusion, MFF)模块;为提高检测的准确率,增加了尺度为104×104的特征层,并构造了一种增强特征信息的残差特征增强(residual feature enhancement, RFE)模块;为提高深层特征层的检测能力,引入了空洞卷积,使浅层信息向下融合,在特征提取层使用通道注意力机制。结果表明,所提YOLOv3-MRHA算法的检测精度比YOLOv3算法提高近6%,可有效地提高瑕疵检测的准确率,满足工业质检的要求。     

基于卷积神经网络的农作物图像识别方法研究

为了使计算机视觉技术更好地应用于农业自动化领域,本文采用两种识别方法:一种是使用卷积神经网络算法对图像直接进行识别分类;另一种是先对图像进行预处理及分割,然后提取图像的颜色、纹理、形状和内在低维流形特征等特征参数,使用BP神经网络和Elman神经网络算法对提取的特征参数进行识别。通过对两种图像识别方法识别结果的比较,发...     

基于Att-CN-BiLSTM模型的中文新闻文本分类

将卷积神经网络（CNN）和双向长短期记忆神经网络（BiLSTM）相结合,提出一种基于注意力机制的Att-CN-BiLSTM中文新闻文本分类模型.模型通过注意力机制有效融合了CNN层和BiLSTM层提取的新闻文本语义特征.在THUCnews新浪新闻数据集上与CNN、BiLSTM及其改进模型进行对比实验,模型分类准确率达到98.96%,精确率、召回率和F1值指标也都优于对比模型,实验结果表明Att-CN-BiLSTM模型可以有效提升中文新闻文本分类效果.     

面向手写体识别的DCNN抗噪性能研究

深度卷积神经网络(DCNN)是人工智能研究领域前沿方向.DCNN结构复杂、参数非常多、可解释性与鲁棒性不强,对图像数据集的清晰度要求很高,而目前关于DCNN抗噪性能研究还较欠缺.通过给手写体数据集DigitDataset的测试集添加4种不同幅度噪声,深入研究DCNN在手写体识别上的抗噪性能.研究结果表明:①噪声对DCN...     

基于深度学习的指关节纹识别算法实验研究

针对传统机器学习算法特征提取烦琐且普遍存在特征单一、识别准确率低的问题,采用能够自行提取图像特征的卷积神经网络模型,对指关节纹识别分类的任务进行实验研究.首先对指关节纹图像进行预处理;其次,设计并搭建了一个9层卷积神经网络模型,对网络模型进行编译、训练后,发现网络的过拟合现象严重,并针对过拟合,提出了优化网络结构方案,...     

基于深度学习的手势识别人机交互应用研究

提出一种只对场景中特定类型的运动做出反应的神经网络结构,且模型可以端到端进行训练,因此避免对手工提取特征和预处理操作的强烈依赖,模型由一个三维卷积神经网络组成,接收一个视频帧序列作为输入,通过显著性机制定位主动的手势运动位置,同时,基于Kinetic传感器,构建一个不同参数配置下的多人场景手势数据集。     

改进LeNet-5网络用于交通标志识别的方法

为了提高自然交通场景中交通标志的识别精度和检测识别率,提出了一种基于改进LeNet-5网络的交通标志识别算法。该方法对交通标志数据集进行图像尺寸归一化以及数据集增广预处理,增加数据集的多样性,提高了后续模型训练的准确率。对主体LeNet-5网络进行了改进,网络模型使用4层卷积、池化层连接2个全连接层,加深模型的深度;采用ReLU激活函数代替Sigmoid激活函数对卷积运算的结果进行转换,降低算法的计算复杂度;为改善训练神经网络过程中的过拟合现象,在模型中加入Dropout策略;通过实验分析确定算法中的相关参数并与改进前LeNet-5网络进行对比,验证改进算法的有效性。实验结果表明,本研究提出的算法在德国交通标志数据集（GTSRB）上获得99.42%的识别准确率。     

研究相关函数的一种方法

本文用卷积定义相关函数 ,并用这样的定义去证明相关函数的有关性质     

Schr(o)dinger极大算子的局部有界性

本文证明Schr(o)dinger极大算子eit△f(x)在空间R2上的局部有界性.