注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. caffe深度学习薛开宇笔记实例-基于卷积神经网络的声音识别

  2. 目前的音乐检索系统用流派、风格、情感等类别标签检索音乐。其中，如果人工标注 音乐这些类别标签，则存在主动性强、费时费力、速度慢的问题，而如果采用传统的自动 标注方式，则存在准确率低的问题。后者准确率低的原因是，其标注时使用的模型不能 很好识别音乐。随着 Hinton 提出深度学习模型后，因其在图像和语音识别领域均取得很 好的成果，在识别领域成为了研究热点。因此，本文旨在研究如何使用深度学习中的卷 积神经网络(Convolutional Neural Networks，CNN)模型，设计出一个准

  3. 所属分类：其它

    • 发布日期：2016-12-27
    • 文件大小：5mb
    • 提供者：u014365862

  1. 基于深度卷积神经网络的人脸识别技术综述_景晨凯

  2. 人脸识别是计算机视觉的重要应用之一，广义的人脸识别包含图像采集、人脸检测、人脸对齐、特征表示等过程。人脸识别的发展史主要是人脸特征表示方法的变迁史。针对特征的表示方法，从人脸识别技术的发展历史、研究现状和未来发展三个方面进行综述:分阶段对传统的几类经典的人脸识别算法进行回顾和总结;以深度学习算法的诞生过程为切入点，重点分析了在人脸识别中取得突破性进展的深度卷积神经网络 DCNN(deep convolutional neural networks)的技术思想和关键问题;针对人脸识别和深度学习算

  3. 所属分类：讲义

    • 发布日期：2018-04-08
    • 文件大小：659kb
    • 提供者：aiwei169

  1. 基于卷积神经网络的视频分类检索

  2. 随着深度学习在图像识别领域的巨大成功，深度学习被应用到越来越多的领 域，包括视频处理领域，文本处理领域以及音频处理领域。卷积神经网络是深度学习中非常重要的一类网络模型，它和传统神经网络的区别在于引入了卷积层、池化层。卷积神经网络在图像识别领域取得成功之后，研究人员开始逐步将其应用于视频分类任务中，并取得了分类效果上的提高，这充分说明了卷积神经网络在视频分类任务中起到的重要作用。 本文的研究内容在于实现一个通用且有效的分类检索模型。在图像研究领域 有研究人员提出在卷积神经网络中引入哈希层来得到图

  3. 所属分类：讲义

    • 发布日期：2018-05-24
    • 文件大小：6mb
    • 提供者：baidu_39286007

  1. 基于动态随机卷积神经网络的手写数字识别方法

  2. 卷积神经网络是近年发展起来，并引起广泛重视的一种图像分类方法，传统识别方法需要训练大量网络参数，造成了训练时间的增加和网络的过拟合；输入集需要进行前期预处理，丢失了图像的原有特征。与传统方法不同，卷积神经网络不需要针对特定的任务采集图像的特征，而是模拟人类的视觉系统层次化、抽象的产生分类结果,卷积神经网络创新的采用了局部感受野，权值共享，卷积采样技术，减少了网络的训练参数数量，提高了识别速度，使得其在图像识别领域得到了广泛应用。本文从神经网络的基本概念和算法入手，深入研究神经网络理论，进而研究

  3. 所属分类：深度学习

    • 发布日期：2018-05-29
    • 文件大小：3mb
    • 提供者：dabaoxt

  1. 基于卷积神经网络的医学图像癌变识别研究

  2. 基于卷积神经网络的医学图像癌变识别研究

  3. 所属分类：深度学习

    • 发布日期：2019-04-08
    • 文件大小：10mb
    • 提供者：qq_35888391

  1. 基于卷积神经网络的围棋棋步预测方法研究_张旗.caj

  2. 博弈是人工智能领域的重要研究主题,人工智能技术的发展在很多方面得益于博弈的发展。围棋作为博弈研究的主要内容之一,因其具有搜索空间大和难以建立评价函数的难点,使得传统的搜索方法很难获得令人满意的对弈性能。近年来,基于卷积神经网络的围棋棋步预测方法逐渐成为解决围棋博弈问题的一种有效途径。这是因为,第一,棋步预测方法通过监督学习来预测人类高水平棋手的走棋,该过程并不需要进行深度搜索,因此能够避免围棋分支因子高的问题；第二,棋步预测方法与人类棋手在对弈时的思考方式相一致；第三,由于卷积神经网络能够直接

  3. 所属分类：机器学习

    • 发布日期：2019-08-04
    • 文件大小：1mb
    • 提供者：liweimia

  1. 基于改进AlexNet卷积神经网络的手掌静脉识别算法研究_林坤.pdf

  2. 在手掌静脉图像采集的过程中易受手掌摆放姿势、光源条件等外界因素的影响,造成识别准确度欠佳。为了提高手掌静脉图像识别的精准度和鲁棒性,提出一种基于改进AlexNet深度卷积神经网络的手掌静脉识别方法。该方法首先通过图像分割、指根关键点定位、感兴趣区域图像提取等三个阶段对采集的手掌静脉图像进行预处理;其次,针对人体手掌静脉识别的应用场景,通过适当调整经典的AlexNet卷积神经网络的结构并对卷积层的输出进行批标准化操作,同时,将深度学习理论中的注意力机制应用到该网络中,进而优化AlexNet神经网络

  3. 所属分类：深度学习

    • 发布日期：2020-05-13
    • 文件大小：1mb
    • 提供者：olivia_ye

  1. 基于卷积神经网络的煤泥浮选泡沫图像分类方法

  2. 当前煤泥浮选泡沫分类研究多针对光照充足条件下泡沫图像,对于夜晚车间光照不足的暗淡图像效果不好。针对这一问题,引入一种利用深度学习的有效浮选泡沫分类方法,建立了一个深度卷积神经网络同时执行特征学习与泡沫分类,逐层运算抽取图像本质信息,过滤光线影响。实验结果表明,在白天强光和夜晚弱光下,无需图像增强等预处理均获得很高的准确率,实现浮选泡沫端到端分类,提高了识别的抗干扰能力。

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：898kb
    • 提供者：weixin_38715831

  1. 一种基于LBP和CNN的人脸识别算法

  2. 一种基于LBP和CNN的人脸识别算法，徐镇，刘阳，针对直接将人脸图像作为卷积神经网络的输入，往往会出现人脸图像维数过高且会忽略人脸局部结构特征信息等问题，本文主要研究一种

  3. 所属分类：其它

    • 发布日期：2020-02-15
    • 文件大小：453kb
    • 提供者：weixin_38626192

  1. 基于双流卷积神经网络的监控视频中打斗行为识别研究.caj

  2. 智能监控系统的主要特点是在可以自动对监控视频中的图像序列进行处理，具体处理包括定位目标、跟踪目标或者识别目标行为。应用计算机视觉相关技术来进行异常行为识别是目前非常热门的研究方向，研究过程包括了图像处理、视频分析、机器学习等领域的相关技术。对运动目标的跟踪、建模以及根据其所处环境对行为进行判断和分类，以及让计算机理解人体各种行为，这些任务都有较大的难度，因此，研究异常行为识别算法有很高理论及实际意义。

  3. 所属分类：深度学习

  1. 基于卷积神经网络的车牌照字符识别研究

  2. 基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：268kb
    • 提供者：suiyu_eran

  1. 基于卷积神经网络的图像识别研究

  2. 基于卷积神经网络的图像识别研究

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：1mb
    • 提供者：suiyu_eran

  1. 基于卷积神经网络的火灾视频图像检测

  2. 随着计算机技术的发展，融合计算机视觉、机器学习、深度学习等技术的火灾图像处理技术得到了广泛的研究和应用。针对传统图像处理方法预处理过程复杂且误报率高等问题，提出一种基于深度卷积神经网络模型进行火灾检测的方法，其减少了复杂的预处理环节，将整个火灾识别过程整合成一个单深度神经网络，便于训练与优化。针对识别过程中类似火灾场景对火灾检测产生干扰的问题，利用火灾的运动特性，创新性地提出利用火灾视频前后帧火灾坐标位置变化来排除灯光等类似火灾场景对检测的干扰。对比了众多深度学习开源框架后，选择Caffe框架进

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：790kb
    • 提供者：weixin_38750209

  1. 神经网络在车牌识别中的应用

  2. 介绍了中国车牌识别的研究背景和现状，提出了一种基于神经网络的新方法，并设计了一种没有直接预处理的车牌像素图像的卷积神经网络结构。该图像变换适用于利用原始车牌来增加训练数据库。实验结果验证了本车牌识别方法的鲁棒性和有无车牌的识别效率。

  3. 所属分类：其它

    • 发布日期：2020-10-22
    • 文件大小：268kb
    • 提供者：weixin_38689113

  1. 基于卷积神经网络的高光谱遥感地物多分类识别

  2. 在进行遥感图像多分类识别时, 针对使用传统方法遇到的分类模型特征提取困难、分类精度不理想、分类种类少等问题, 研究了卷积神经网络(CNN)模型在高光谱遥感地物多分类识别中的可行性及不同CNN 模型对高光谱遥感地物多分类的识别效果。从ISPRS(International Society for Photogrammetry and Remote Sensing)提供的Vaihingen及Google Earth中采集数据,制作了包含6类地物的数据集一。在此基础上增加10类地物制作数据集二, 再增

  3. 所属分类：其它

  1. 基于改进深度卷积神经网络的交通标志识别

  2. 在实际交通环境中, 所采集到的交通标志图像质量往往受到运动模糊、背景干扰、天气条件以及拍摄视角等因素的影响, 这对交通标志自动识别的准确性、实时性和稳健性提出了很大的挑战。为此提出了改进深度卷积神经网络AlexNet的分类识别算法模型, 该模型在传统AlexNet模型基础上, 以真实场景中拍摄的交通标志图像数据集GTSRB为研究对象, 将所有卷积层的卷积核修改为3×3大小, 为了预防和减少过拟合的出现在两个全连接层后加入dropout层, 并且为了提高交通标志识别精度, 在网络模型第5层后增加两

  3. 所属分类：其它

  1. 基于双流快速区域卷积神经网络改进的人体动作识别算法

  2. 深度神经网络在静态图像领域已取得突破性进展,并逐步扩展到视频识别领域。人体动作识别是视频识别领域的研究热点和难点,因此,提出了一种基于双流快速区域卷积神经网络(Faster RCNN)改进的人体动作识别算法。首先,用RGB(Red,Green,Blue)图像和光流数据作为网络的输入,分别训练Faster RCNN;然后,将训练好后的网络模型进行融合,并引入改进的压缩和激励模块对特征通道进行处理,以突出重要特征;最后,用完全的交并比损失函数作为边框回归损失函数,以优化某些预测框与真实框不能相交等问

  3. 所属分类：其它

  1. 基于优化全卷积神经网络的手语语义识别

  2. 手语特征提取的传统算法仅仅依靠底层特征完成识别，难以获得高层语义特征，进而对手语理解产生分歧。针对这一问题，将图像语义分析的思维引入手语识别研究中，提出一种优化全卷积神经网络算法。采用全卷积神经网络提取手语图像的语义特征，并通过判别随机场进行语义标注做后期平滑处理，恢复像素间的细节信息，从而完成手语识别。实验结果表明，所提出的算法具有较强的稳健性，能有效学习到语义特征。与传统算法对比分析表明，此方法能精准的识别到手语，其平均识别率达97.41%。

  3. 所属分类：其它

  1. 基于低像素人脸图像的表情识别

  2. 卷积神经网络的发展极大促进了面部表情识别技术的进步,为解决实际应用中图像识别的准确率受图像像素限制的问题,从三方面对低像素人脸图像的表情识别进行研究。首先根据研究对象像素低、特征复杂的特点,提出了一种改进的卷积神经网络。其次对图像进行基本的预处理操作后,又增加了图像增强处理,作为改进卷积神经网络模型的输入。最后将模型的输出结果进行决策融合,得到最终的识别结果。实验表明,该方法在CK+数据集上取得了良好的效果,且识别准确率较高、效果稳定、泛化能力强。

  3. 所属分类：其它

  1. 基于并行卷积神经网络的军事目标图像分类技术

  2. 针对军事战场背景下不同军事目标相似度较高，使得复杂环境中目标识别率较低，且军事目标与作战环境相似度也比较高，因此对作战环境中的军事目标图像分类技术进行研究是有必要的，本文利用卷积神经网络在静态图像上稳健的特征提取能力，提出一种基于卷积神经网络的并行网络模型，用于军事目标图像分类，该方法利用两种边缘检测算子分别提取目标图像特征，之后输入卷积神经网络中进行深度特征提取，与传统卷积神经网络相比，分类识别率提高了1.2%，达到了97%。理论分析与实验数据说明，通过该模型能够对军事目标图像数据进行有效区分

  3. 所属分类：其它

« 12 3 »