残差网络
残差网络的相关文献在2016年到2023年内共计1343篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文707篇、会议论文4篇、专利文献354731篇;相关期刊312种,包括农业机械学报、中国图象图形学报、计算机工程等;
相关会议4种,包括第六届中国计算机学会大数据学术会议、中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会、第十四届全国信号和智能信息处理与应用学术会议等;残差网络的相关文献由4421位作者贡献,包括刘加苗、刘小洋、王岩等。
残差网络—发文量
专利文献>
论文:354731篇
占比:99.80%
总计:355442篇
残差网络
-研究学者
- 刘加苗
- 刘小洋
- 王岩
- 宋瑞源
- 晏超
- 王刚
- 王斌
- 肖钧友
- 胡月杨
- 蔡聪波
- 贾勇
- 郭勇
- 钟晓玲
- 陈胜亿
- 何小海
- 何成
- 刘兵
- 刘凯
- 吴丽君
- 周冬明
- 周勇
- 周武杰
- 张伟
- 张宇
- 张毅
- 林培杰
- 王栋
- 程树英
- 陈志聪
- 丁良奎
- 何儒汉
- 何德峰
- 储慧敏
- 刘栩宁
- 刘璐
- 刘聪
- 吴华瑞
- 夏士雄
- 夏春秋
- 姚睿
- 张凯
- 张勇东
- 张杨
- 张涛
- 张超
- 施佺
- 曾坤
- 朱威
- 李佐勇
- 杨会成
-
-
张静;
农昌瑞;
张海兵;
张亚周
-
-
摘要:
为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明:优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。
-
-
王海霞;
潘栋;
梁荣华;
张怡龙;
刘义鹏;
陈朋
-
-
摘要:
基于光学相干断层扫描(optical coherence tomography, OCT)的指纹防伪主要依赖汗孔、皮下汗腺和内部指纹等信息的精确提取,且具有一定的防伪信息冗余.针对这一现状,提出了一种基于注意力残差网络的OCT指纹防伪方法,仅使用少量信息便可做到对指纹的真伪识别.首先在残差网络的基础上,通过注意力模块与长短跳跃连接,构建注意力残差网络,使网络注意力更好地集中在皮下组织信息上;其次对待判别手指体数据进行随机采样,提取局部特征小块;最后通过注意力残差网络对局部特征小块进行分类,实现手指的真伪识别.基于Keras框架的注意力残差网络方法,在自制真假指纹数据库中,较同类网络获得了更高的识别准确率,表明了所提防伪方法的优越性.对自制数据库和深圳大学OCT指纹数据库的跨设备、跨样本实验进一步验证了方法的准确性和鲁棒性.
-
-
陆仲达;
张春达;
王丽婧;
徐凤霞
-
-
摘要:
语义分割作完成像素级的分类任务,上下文信息对分割的性能有重要的影响。为了获取更丰富的上下文信息,采用ResNet作为主干网络,设计了一个基于多维度注意模块(Multidimensional attention,MDA)和多尺度上采样模块(Multiscale upsampling,MSU)的编码器-解码器结构。多维度注意力模块计算三个维度的注意力矩阵,以获取每个位置的依赖性,同时注意力机制能自适应地捕捉图像特征。多尺度上采样模块采用并行分支来捕获图像的多尺度特征,多尺度特征聚合有效地增强了图像的上下文信息。在Cityscapes和Camvid数据集上进行的一系列实验表明,该网络能有效提升图像分割精度。
-
-
高心悦;
田汉民
-
-
摘要:
液滴图像的精确分割是高精度接触角测量的重要环节,针对在液滴分割过程中存在的目标不准确、轮廓不完整以及固-液-汽3项交点和边界细节效果不佳的问题,文中提出了一种适用于液滴分割的神经网络模型。该模型以U-Net网络为基础,在其输入处加入1×1卷积层汇总图像特征,避免从初始图像中丢失信息;并采用Resnet18结构作为U-Net的特征学习编码器,增强了网络的表达能力,促进了梯度的传播。在解码过程中引入密集连接的特征融合技术,在提升分割目标细节信息的同时降低了网络参数。最后在每个卷积层后都添加批量归一化操作,进一步优化了网络性能。实验结果表明,改进的U-Net模型能够有效提高液滴识别的准确率,提升分割效果,在接触角测量领域具有一定的参考价值。
-
-
朱学超;
张飞;
高鹭;
任晓颖;
郝斌
-
-
摘要:
由于传统循环神经网络具有复杂的结构,需要大量的数据才能在连续语音识别中进行正确训练,并且训练需要耗费大量的时间,对硬件性能要求很大。针对以上问题,提出了基于残差网络和门控卷积神经网络的算法,并结合联结时序分类算法,构建端到端中文语音识别模型。该模型将语谱图作为输入,通过残差网络提取高层抽象特征,然后通过堆叠门控卷积神经网络捕获有效的长时间记忆,摆脱了传统循环神经网络对上下文相关性建模的依赖,加快了模型的训练速度。对残差网络进行了优化,并在门控卷积神经网络中加入了前馈神经网络,极大提高了模型的性能。实验结果表明,在Aishell-1中文数据集上,该模型的字错误率降低至11.43%;并且在-5 dB低信噪比环境下,字错误率达到了19.77%。
-
-
钟浩宇;
杨晓君
-
-
摘要:
本文提出多尺度残差图像超分网络用以解决超高倍数图像超分问题。目前的单图像超分辨率研究主要集中在中等倍数上,而对于超高倍数的图像超分研究较少。因此本文提出一种多尺度图像特征融合结构以加强网络在超高倍退化图像中的细节特征提取能力,从而提升图像重建性能。通过实验验证可以得出,本文提出的方法在重建质量指标和感知上拥有比基准方法更好的效果。
-
-
疏雅丽;
张国伟;
王博;
徐晓康
-
-
摘要:
为了实现田间杂草图像快速、准确识别,提出了一种基于深层连接注意力机制残差网络(DCECA-Resnet50-a)的田间杂草识别模型。以残差网络为基准,改进残差块下采样的位置,同时引入注意力机制和连接注意力机制模块以更好地提取图片中的特征信息,结合迁移学习的策略缓解小样本数据集造成的过拟合现象,提高模型的泛化性并大大减少模型的训练时长。实验结果表明,改进后的模型综合性能最好,有较高的识别准确率,对杂草的识别准确率达到了96.31%且模型参数较少,实现了对银叶菊、小蓬草、马唐和猪殃殃四类豌豆田间常见杂草的准确区分,为农业的小样本数据在识别领域中提供了相应的参考作用。
-
-
孙继璜;
张义博;
何志勇;
林嵩;
肖亚峰
-
-
摘要:
通过实验研究提出一种基于残差网络的钢板表面缺陷分类方法,以实现钢板表面缺陷准确分类。采用东北大学热轧钢带缺陷数据库,结合数据增强技术,共获得2160张样本图像。以残差网络为基准,改进残差块下采样的位置,同时在最后一层卷积层后连接2层全连接层,结合基于差异的领域自适应方法,提高模型的泛化性并大大减少模型的训练时长。实验结果表明,改进后的模型综合性能最好,在钢板表面缺陷检测上准确率可达99.9%。该模型支持钢板表面缺陷分类,具有良好的实际应用性。
-
-
张红民;
李萍萍;
房晓冰;
刘宏
-
-
摘要:
针对传统视频监控数据量大且复杂、不能及时有效地检测到人体异常行为的问题,文中提出了一种基于YOLOv3改进网络模型的人体异常行为检测方法(YOLOv3-MSSE)。该方法基于经典YOLOv3网络模型,利用残差模块构建多尺度特征提取网络,提升了对大目标的检测精度;同时,在网络结构不同位置融入注意力机制,对特征图各个通道的特征重要性实现加权处理,有效提高了模型人体异常行为的检测性能。实验结果表明,相比传统YOLOv3算法,YOLOv3-MSSE方法的mAP值提升了20.8%,F1-scores提升了11.3%,该方法不仅能够有效地检测出监控场景中的人体特定异常行为,还能较好地平衡检测精确率与召回率之间的关系,比同类方法更适用于实际监控场景下的人体异常行为检测。
-
-
刘龙飞;
段喜萍;
刘超军
-
-
摘要:
在目标跟踪中,目标本身容易发生变化,且目标的运动场景是复杂多样的,而不同网络训练的跟踪模型在跟踪同一场景的目标性能会有较大差异,进而使很多算法的跟踪效果不太理想。针对这一问题,文章提出了一种基于目标运动场景分类的目标跟踪方法,解决了单一模型在应对目标处于不同复杂场景中性能不稳定的问题。该算法利用残差网络对目标运动场景进行分类,并且使用迁移学习提高了分类的准确率,之后选取合适的网络模型对目标进行跟踪。在UAV123数据集上与原始的单一模型进行对比实验的跟踪结果表明,改进的算法能够有效地提高目标跟踪的成功率和精度,在OTB100数据集上与其他跟踪器进行比较,跟踪效果均优于其他跟踪器。
-
-
-
LIU Ke-nan;
刘克楠;
HOU Jian;
侯剑
- 《中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会》
| 2020年
-
摘要:
语音识别已经在服务、医疗、家电等行业中得到广泛的应用.智能设备中,语音交互系统的能耗较高,往往处于关闭状态.而唤醒词识别功能能耗相对较低,可以在后台保持开启状态,便于进行实时监测.当识别出唤醒词之后,设备才会开启智能交互系统.因此,唤醒词识别是语音识别技术的重要因素.论文融合残差网络、语音端到端网络、循环神经网络,引入注意力机制,并尝试多种损失函数,构造了一种有效的应用于唤醒词识别的网络结构.在企业内部数据集上,经过大量实验,并与多种不同网络结构对比,取得了良好的效果.其召回率达到90%以上,误唤醒率1%,效果明显优于传统的方法.
-
-
邓彧;
宋宁宁
- 《中国医学装备大会暨2021医学装备展览会》
| 2018年
-
摘要:
目的:研究出一种计算机自动分析超声弹性图像的方法,或者改良一种同领域,不同研究对象的卷积神经网络,通过基于深度学习的计算机技术对已有的超声弹性成像的图像进行处理,自动判断图像中的纵膈淋巴结的良恶性,从而提高临床得到诊断准确率、检查普及率,减轻医生劳动量和强度,并减少漏诊率和误诊率. 方法:残差网络(ResNet)当前应用最为广泛的卷积神经网络特征提取网络,其主要依靠迁移学习的方法,加载从自然图像中预训练得到的卷积神经网络模型(Resnet34),以此来进行训练并且调整参数以满足要求. 结果:使用ResNet残差网络训练的模型,可以使分类的准确率最高达到87.7%,比RTE技术评分法结合淋巴结应变率比值SR法的准确率高. 结论:以ResNet残差网络为代表的卷积神经网络,在医学图像分类领域具有了良好的应用价值,准确率较高,能够辅助医生进行纵膈淋巴结超声弹性图像良恶性判定.
-
-
-
-
-