卷积神经网络
卷积神经网络的相关文献在2003年到2023年内共计20679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11328篇、会议论文201篇、专利文献369357篇;相关期刊1712种,包括中国图象图形学报、计算机工程、计算机工程与设计等;
相关会议114种,包括2016中国计算机辅助设计与图形学会大会、2017中国计算机辅助设计与图形学大会(2017 China CAD&CG)、第十四届全国雷达学术年会等;卷积神经网络的相关文献由45827位作者贡献,包括张伟、焦李成、张磊等。
卷积神经网络—发文量
专利文献>
论文:369357篇
占比:96.97%
总计:380886篇
卷积神经网络
-研究学者
- 张伟
- 焦李成
- 张磊
- 刘洋
- 王鹏
- 马文萍
- 刘波
- 陈亮
- 李伟
- 李超
- 周武杰
- 张雷
- 李辉
- 侯彪
- 张涛
- 何小海
- 张强
- 汤一平
- 王浩
- 王超
- 于治楼
- 张健
- 李涛
- 杨帆
- 王磊
- 李鹏
- 王军
- 王鑫
- 张勇东
- 张帆
- 张杰
- 张辉
- 王伟
- 刘畅
- 王涛
- 不公告发明人
- 李健
- 李军
- 陈朋
- 陈杰
- 夏春秋
- 孙俊
- 张凯
- 朱俊江
- 李波
- 王亮
- 王勇
- 耿磊
- 马晶晶
- 刘芳
-
-
姜杉;
张红运;
杨志永;
张国彬
-
-
摘要:
三维肺部电子计算机断层扫描(computed tomography,CT)图像非刚性配准是医学图像配准领域中最重要的任务之一.但是,肺部组织受呼吸运动影响而产生的非线性形变与大尺度位移给三维肺部CT图像的非刚性配准带来巨大挑战.针对这一难题,设计开发了一种基于无监督学习端到端的配准方法.通过改进现有U-Net神经网络结构,在跳接之间引入Inception模块,充分融合多尺度深层特征生成高精度的稠密位移向量场.为保证位移向量场光滑,在损失函数中加入雅可比正则化项,以达到训练中显式惩罚位移向量场中奇点的目的.另外,为缓解现有公开数据资源有限导致的过拟合问题,提出了一种基于三维薄板样条(3D-thin plate spline,3D-TPS)变换的数据增强方法实现对训练数据的扩充,将具有60套三维肺部CT图像的训练数据集EMPIRE10扩充为6060套以满足卷积神经网络训练的需要.设计验证实验,通过与基于学习的Voxelmorph方法和两个包含传统方法配准工具包ANTs和Elastix进行比较.实验结果表明:在公开可用的DIR-Lab 4 DCT数据集上,所提出的方法在目标配准误差(target registra-tion error,TRE)上达到次优的2.09 mm,平均Dice得分达到最优的0.987,同时所生成的扭曲图像中几乎不存在折叠体素.
-
-
陈剑涛;
黄德天;
陈健;
朱显丞
-
-
摘要:
提出一种改进的二阶龙格-库塔超分辨率算法.首先,提出一种浅层共享编码器,以实现低分辨率图像的浅层特征提取.其次,提出一种深层特征学习单元,并与基于龙格-库塔方法的残差模块相融合,进而构建出一种基于深层特征的残差模块,以提升深层特征提取能力.实验结果表明:与主流超分辨率算法相比,文中算法在主观视觉效果和客观评价指标方面都具有更好的效果.
-
-
刘通;
胡亮;
王永军;
初剑峰
-
-
摘要:
针对传统算法不适用于外观发生较大变化的图像拼接问题,提出一种基于卷积神经网络的遥感图像拼接方法,通过深度学习使模型实现对遥感图像的配准和拼接.通过两次实验将该算法与传统算法进行对比.首先,以欧氏距离作为评价指标,分别通过两种算法在不同图像数据集上进行统计,对它们的图像配准能力进行评估.其次,在真实的遥感图像拼接应用场景下对比两种算法实现的遥感图像拼接效果.实验结果表明,卷积神经网络模型对外观发生较大形变的图像具有更好的配准能力,因此对于外观产生较大变化的遥感图像,可采用该算法代替传统算法实现图像拼接,得到更精确的全景图像.
-
-
叶从玲
-
-
摘要:
将对抗样本引入训练过程可以提高深度学习模型的鲁棒性,而且能为模型提供可解释的梯度,但这一防御策略往往需要较多的计算资源和时间成本.为提升训练模型效率和鲁棒性,同时降低训练成本,提出一种基于随机扰动的对抗训练方法:首先利用基于FGSM(Fast Gradi-ent Sign Method)的随机扰动方法生成对抗样本;其次,所提出算法的优越性;最后,利用周期性学习率和Adam(Adaptive Moment Estimation)相结合方法更新学习率.实验结果表明,通过引入周期性学习率机制,整个对抗训练过程的稳定性和拟合效果有了显著提升,所提出的训练方法能降低训练成本和提高模型的性能.
-
-
李敬兆;
邢梦垚
-
-
摘要:
针对矿井提升机在井下恶劣环境中工作易发生故障,且故障主要依赖于人工检测的问题,提出了一种基于WPCE-CNN的音频感知提升机健康状况研究.首先,通过小波包分解获取音频信号的二维系数特征矩阵,然后输入具有批量归一化层(BN)和Relu非线性激活层的Block层卷积神经网络(CNN)进行分类识别.最后,实验结果表明,本文提出的WPCE-CNN音频感知提升机健康状况的故障分类研究,准确率高于传统卷积神经网络,达到97.7%,能有效地进行提升机音频信号提取及故障诊断分类任务,此研究在降低人力和物力成本的同时,提高了工作人员的安全性和生产效率.
-
-
田勇;
董国贵
-
-
摘要:
针对深度学习在嵌入式或移动端设备中用于故障诊断时,受限于有限的硬件资源而又需要有足够的效率和精度的应用需求,提出基于轻量级卷积神经网络的电机滚动轴承故障诊断方法.首先对滚动轴承的振动信号数据集进行连续小波变换生成固定尺寸的时频图,并以此方式生成数据集输入网络进行训练.使用测试集进行测试,结果表明,所生成的故障诊断预测网络模型具有较高的识别精度和识别速度,准确率达到99%.通过验证噪声对网络的影响,表明所使用的网络具有较好的鲁棒性和泛化能力.
-
-
马建斌;
薛超然;
白丁
-
-
摘要:
近年来,人工智能技术发展迅速,已逐渐应用于临床影像资料处理、辅助诊断及预后评估等领域,研究表明,其能简化医生临床任务,快速提供分析处理结果,具有较高的准确性.在口腔正畸诊疗方面,人工智能可辅助用于二维及三维头影测量快速定点,此外,也广泛应用于三维牙模信息的高效处理与分析,并在决策正畸治疗是否需要拔牙、辅助判断生长发育阶段及正畸预后和美学评估中具有优势.尽管目前人工智能技术的应用受限于训练数据资料的数量与质量,但将其与正畸临床诊疗相结合,可提供更快更有效的分析诊断,为更准确的诊疗决策提供支持.本文就目前人工智能技术在口腔正畸诊疗中的应用进行综述,以期正畸医生在临床中理性看待和合理使用人工智能技术,让人工智能更好服务于正畸临床诊疗,以促进口腔正畸智慧化诊疗流程进一步发展.
-
-
王睿;
胡云雷;
李海涛;
高少泽;
王刚
-
-
摘要:
为了提高分割算法在焊缝缺陷检测工程中的实用性,提出轻量级焊缝缺陷评估网络MYNet.其中,轻量级的残差结构降低了模型的计算量,多层视觉融合机制FPN(feature pyramid network)提高了网络的分割能力,并行蒙版机制可以得到快速和高质量的缺陷分割蒙版;引入开源跨平台计算机视觉库OpenCV,利用像素阈值计算不同缺陷面积;引入腾讯超高性能的移动平台推理框架,加快模型在中央处理器的前向推理速度.搭建以ARM Cortex-A72架构为控制核心的数字化人工智能(artificial intelligence)评估设备,部署适用于缺陷检测的轻量级64位Linux系统,验证了焊缝缺陷评估算法的可行性.实验结果表明:本文模型能够有效定位和学习不同类型的缺陷特征;网络评估缺陷面积和位置信息的准确率为94.64%;相比于准确度较高但计算量较大的MS R-CNN网络,所提方法的准确率仅下降1.93%,但网络的参数权重仅为MS R-CNN网络的1/14,网络执行所需计算力更低.在基于ARM(advanced RISC machine)架构的低成本硬件上,轻量级的残差结构使网络前向推理速度提升了309%,仅用1.7 s完成低成本硬件上的焊缝实例分割任务.本文所提方法能有效学习和评估X射线焊缝缺陷图像,应用在评估设备上的算法降低了焊接质检的成本.
-
-
张梦欢;
王亚刚
-
-
摘要:
基于超声波的非接触式传感扩展了移动设备的交互范围,提出了一种超声传感系统,它可以在多种表面材料上工作,只需要一对声音收发器。该系统使用了多普勒频移和信道脉冲响应来捕捉微妙的手部动作;然后通过卷积神经网络(CNN)从测量的信号数据中提取判别特征,形成对用户手势动作进行识别和身份验证的超声传感系统。在智能手机上实现了超声传感系统,并进行了大量的真实环境实验来评估其性能。实验结果表明:仅使用一个收发器对,它的性能可以与多收发器对实现相媲美;还可以用于多种材料表面,且不需要捕获用户的生物信息即可对用户手势识别,以及辅助身份验证的准确性超过96%。
-
-
万磊;
余飞;
鲁统伟;
姚婧
-
-
摘要:
负荷数据的高度随机性和不确定性,导致短期负荷预测的精度很难提升。为了提高短期负荷预测的准确度,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)与卷积神经网络(CNN)和门控循环单元(GRU)组合模型的短期负荷预测方法。首先,利用CEEMDAN模型将复杂的原始负荷序列分解为几个相对简单的子序列;其次,利用卷积神经网络(CNN)和门控循环单元(GRU)建立各分量预测模型,将归一化后的分量输入训练模型,得到预测子序列;最后,将所有分量的结果汇总,得到最终预测结果。结果表明,与LSTM模型、GRU模型、CNN-GRU及CEEMDAN-GRU组合模型相比,CEEMDAN-CNN-GRU组合模型所测精度有了明显提升,平均提升了25.08%,23.59%,20.41%和13.53%。CEEMDAN-CNN-GRU组合模型能够提取历史负荷数据中的非线性特征,有效提升短期负荷预测精度,可为电力系统建设提供有力支撑。
-
-
-
-
胡金涛;
陈敏;
唐海龙
- 《第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛》
| 2021年
-
摘要:
航空发动机在高温、高负荷状态下工作,出厂后发动机的性能将会不可避免地出现退化,基于部件特性建立的性能仿真模型精度也会逐渐降低.而基于数据驱动的建模方法通过分析发动机在运行过程中的历史参数变化来预测发动机的未来性能趋势,能用于发动机性能保持、延寿和全寿命周期的设计优化,对于发动机的运行维护具有重要意义.本文以发动机历史气动热力学测量参数数据为基础,利用扩张卷积和因果卷积建立了一个时序卷积神经网络,挖掘各测量参数之间的隐藏关系,实现对关键性能的预测.该预测模型可根据需求灵活地设置预测参数及预测周期数,基于发动机长试数据来验证模型的准确度,在实际发动机数据来源台份不足时,通过仿真拟合的方法来补充数据集.结果表明,无论是实测参数还是仿真参数,该模型均具有较高的预测精度,为发动机的性能预测提供了一种有效的方法.
-
-
-
-
-
-
-
ZHAO Baojun;
赵保军;
ZHOU Shichao;
周士超;
ZHAO Yinan;
赵一南
- 《第十四届全国信号和智能信息处理与应用学术会议》
| 2021年
-
摘要:
显著性区域提取旨在模拟人类视觉系统快速关注图像中感兴趣区域的能力,可作为图像预处理技术为后续的目标检测任务提供有价值的候选目标集,这在目标空间占比较小的图像场景中(如遥感图像)尤为重要.虽然当前以卷积网络为代表的显著性区域提取技术已取得长足进步,但仍存在诸多技术局限:(1)提取准确性有赖于大规模的训练数据,样本搜集与标注的人工代价高昂;(2)模型的训练与推理计算开销过大,不利于资源受限的嵌入式硬件平台部署.为了解决上述问题,设计了一种高效的显著性区域提取网络,将传统图像小波分析与经典的稀疏编码、条件随机场等机器学习方法相结合,针对性地挖掘图像纹理结构信息及空间上下文奇异性,进而预测显著性区域.从技术上讲,(1)网络的小波纹理结构分析单元通用性良好,可规避样本训练过程,降低训练样本依赖性;(2)网络的稀疏编码单元可实现特征向量的低熵编码,有助于提升特征的鲁棒性;(3)网络的邻域关联单元基于条件随机场模型,可利用空间上下文间的关联性来挖掘图像奇异性信息,从而联合判断显著性区域.实验表明,与基于手工特征提取的显著性区域提取方法相比,所提方法具有相当甚至更优的提取准确性;与传统的深度学习网络相比,所提方法具有良好的训练与推理计算效率.
-
-
ZHAO Baojun;
赵保军;
ZHOU Shichao;
周士超;
ZHAO Yinan;
赵一南
- 《第十四届全国信号和智能信息处理与应用学术会议》
| 2021年
-
摘要:
显著性区域提取旨在模拟人类视觉系统快速关注图像中感兴趣区域的能力,可作为图像预处理技术为后续的目标检测任务提供有价值的候选目标集,这在目标空间占比较小的图像场景中(如遥感图像)尤为重要.虽然当前以卷积网络为代表的显著性区域提取技术已取得长足进步,但仍存在诸多技术局限:(1)提取准确性有赖于大规模的训练数据,样本搜集与标注的人工代价高昂;(2)模型的训练与推理计算开销过大,不利于资源受限的嵌入式硬件平台部署.为了解决上述问题,设计了一种高效的显著性区域提取网络,将传统图像小波分析与经典的稀疏编码、条件随机场等机器学习方法相结合,针对性地挖掘图像纹理结构信息及空间上下文奇异性,进而预测显著性区域.从技术上讲,(1)网络的小波纹理结构分析单元通用性良好,可规避样本训练过程,降低训练样本依赖性;(2)网络的稀疏编码单元可实现特征向量的低熵编码,有助于提升特征的鲁棒性;(3)网络的邻域关联单元基于条件随机场模型,可利用空间上下文间的关联性来挖掘图像奇异性信息,从而联合判断显著性区域.实验表明,与基于手工特征提取的显著性区域提取方法相比,所提方法具有相当甚至更优的提取准确性;与传统的深度学习网络相比,所提方法具有良好的训练与推理计算效率.