金月芽期刊网

和“深度学习”相关的论文

  • Supplement卷积神经网络的图像分类方法 相关:深度学习 卷积神经网络 图像分类
  • 传统的卷积神经网络(CNN)通常会丢弃负值特征信息,进而影响着图像分类的效果.针对CNN更好地学习图像特征的问题,对传统的CNN模型进行改进,提出Supplement CNN模型.首先将卷积层得到的特征图取反,并同原特征图一起作用Leaky ReLU激活函数以保留图像的负值特征信息;然后传递至下一层,增加前向传播的特征信息,影响反向传播算法的权值更新,以有利于图像的分类;最后通过实验阐述了Supplement CNN模型受网络层数的影响情况.与传统的CNN及部分扩展模型进行对比实验的结果表明,该模型是有效的.
  • 室内图像中家具多标签标注的实现 相关:深度学习 图像标注 卷积神经网络
  • 在基于图像进行家居虚拟设计的应用中,由于图像缺乏场景的深度信息、物体之间存在相互遮挡等问题,给获取图像信息带来一定的挑战。该文利用深度学习技术,提出了一种结合卷积神经网络和循环神经网络的方法,对室内图像进行特征提取,实现家具的多标签标注,以获取家具的属性信息,包括种类、位置、颜色和材质等。结果表明,该方法提高了虚拟展示内容的丰富性和精确性,为家居智能交互作了很好的铺垫。
  • 大学生网络深度学习状况实证研究——以西华大学为例 相关:大学生网络学习 深度学习 实证研究
  • 大学生网络深度学习不仅包括学习者在认知层面上的发展,而且还包括学习者在思维模式、道德意识、审美情趣等情感体验层面上的成长。调研表明:当前大学生网络深度学习整体表现并不乐观;大学生网络深度学习在专业类别和性别上存在明显的差异;大学生学习的驱动力与网络深度学习存在正相关关系。高校为更好的发挥网络学习平台作用,应重视网络学习活动设计的创新,注重对学习驱动力和元认知策略的应用,切实提高大学生网络学习的深度与实效。
  • 多尺度方法结合卷积神经网络的行为识别 相关:行为识别 时空特征 深度卷积神经网络
  • 为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型。首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型。为了挖掘具有不同邻接关系的骨骼点在描述人体行为时的作用,将卷积神经网络各层中的卷积算子拓展为多尺度卷积算子,并使用该网络得到的特征进行分类。实验在MSR-Action3D数据集和HDM05数据集获得较好的识别率.
  • 基于对抗训练和卷积神经网络的面部图像修复 相关:深度学习 生成对抗网络(GANs) 卷积神经网络(CNN)
  • 为了有效地修复大面积破损的面部图像,使用了解码器-编码器结构的卷积神经网络作为生成模型,并在其部分层之间增加skip-connection,以增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像,再利用其判别待修复图像输入生成模型后所得到的输出是否为真实,以此为生成模型提供优化梯度。结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力,提高了图像补全的效果。在CelebA人脸数据集上进行的实验结果表明,该方法在补全大面积破损的图像任务上性能明显优于其他方法.
  • 室内环境下基于R-CNN的光照自适应物体检测 相关:智能机器人 物体检测 深度学习
  • 物体检测是工作于室内环境的移动机器人必须解决的问题。物体检测受到环境动态变化的影响,其中尤以光照变化的影响最为明显。分析室内环境中光照变化特点,研究如何通过提取图像空间特征快速识别环境中光照状况,并以光照识别结果控制物体检测模式切换,在不同光照状态下,自适应地选择使用图像传感器或者激光传感器数据,结合深度学习的特征选择能力,保证物体检测性能。机器人运行时,首先通过提取图像在CIEXYZ空间Y分量上的统计特征,并结合一些其他特征,实现快速地对图像拍摄时所处环境的光照状态进行估计;在光照适中的情况下,利用R-CNN算法结合移动机器人特点,实现在图像空间下的快速物体检测;在光照不足或过强时,先把三维激光传感器获取的点云转换成深度图像,再利用R-CNN算法实现物体检测。实验结果表明了所提出算法的有效性.
  • 基于深度学习的工业视觉检测系统 相关:工业零部件 深度学习 RPN+RCNN检测网络
  • 针对零部件在工业生产线包装过程中存在检测速度慢,自动化检测水平低下,检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件自动检测的功能。设计一种实验检测平台用于获取包含待检测零部件的图像;提出一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果。实验结果表明,系统的检测效果与传统的检测方法相比,具有速度快,检测准确率高等优越性.
  • 基于多特征融合的深度视频自然语言描述方法 相关:深度学习 特征融合 视频语义分析
  • 针对计算机对视频进行自动标注和描述准确率不高的问题,提出一种基于多特征融合的深度视频自然语言描述的方法。该方法提取视频帧序列的空间特征、运动特征、视频特征,进行特征的融合,使用融合的特征训练基于长短期记忆(LSTM)的自然语言描述模型。通过不同的特征组合训练多个自然语言描述模型,在测试时再进行后期融合,即先选择一个模型获取当前输入的多个可能的输出,再使用其他模型计算当前输出的概率,对这些输出的概率进行加权求和,取概率最高的作为输出。此方法中的特征融合的方法包括前期融合:特征的拼接、不同特征对齐加权求和;后期融合:不同特征模型输出的概率的加权融合,使用前期融合的特征对已生成的LSTM模型进行微调。在标准测试集MSVD上进行实验,结果表明:融合不同类型的特征方法能够获得更高评测分值的提升;相同类型的特征融合的评测结果不会高于单个特征的分值;使用特征对预训练好的模型进行微调的方法效果较差。其中使用前期融合与后期融合相结合的方法生成的视频自然语言描述得到的METEOR评测分值为0.302,比目前查到的最高值高1.34%,表明该方法可以提升视频自动描述的准确性。
  • PBL与CBL对翻转课堂教学模式中课前学习质量的影响 相关:PBL CBL 翻转课堂
  • 目的:本文以改良UWES-S学习投入量表和NSSE中的深度学习量表为调查工具探索了PBL与CBL对翻转课堂教学模式中课前学习质量的影响。结果表明,PBL与CBL可显著促进学习投入和深度学习,学习投入与深度学习呈显著正相关性。
  • 互动新技术助力学生迈向深度学习——以小学科学课为例 相关:互动新技术 深度学习 小学科学
  • 以数字技术为基础的互动新技术在小学科学课堂的运用,有助于学生深度学习的发生,从而有利于培养学生的分析能力,发展学生的评价能力,提高学生的问题解决能力,促进学生高阶思维能力的发展。