共查询到20条相似文献,搜索用时 0 毫秒
1.
在合成孔径雷达(SAR)图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。 相似文献
2.
3.
4.
为提高调制分类识别精确度,降低计算复杂度,提出了一种基于卷积神经网络(CNN)与红绿蓝(RGB)循环谱二维图的智能调制识别方法。基于循环谱特征可识别调制类型的机理,为了降低计算复杂度,将三维的循环谱转换为二维平面的RGB循环谱图,并将其用于构建数据集;将一种计算复杂度较低的CNN作为调制类型分类识别器。仿真结果表明,所提出的智能调制识别方法能够以较低的计算复杂度,获得更高的分类精确度。 相似文献
5.
Different artifacts will manifest, whenever an image is compressed by a lossy compression algorithm. Higher frequency details present in the image may tend to be eliminated by compression. In certain cases, compression may introduce small image structures and noise. This phenomenon will limit the image quality thereby making images to appear much less pleasant to the human eye. Furthermore, other machine learning tasks like object detectors performance will be reduced due to compression. In this paper, we introduce a novel deep neural network with densely connected parallel convolutions to remove such artifacts and to recover the original image from its perturbed version. The proposed algorithm is named as densely connected parallel convolutional neural network in short DPCNN. Parallel convolution provides model parallelism and reduce the training burden. Furthermore, the dense skip connections provide short paths for gradient back-propagation and alleviates the gradient vanishing problem. Moreover, skip connections reduce the feature redundancy by combining features from different levels and increases the learning efficiency. However, these skip connections increase the model complexity. A bottleneck layer is used to keep the model compactness and to reduce the model complexity. The proposed approach can be used as a preprocessing step in different computer vision tasks where images are degraded by compression. Different from other methods, the proposed method is able to remove compression artifacts generated at any quality factor (QF). The experiments on benchmark datasets show the superiority of the proposed method over other methods quantitatively and qualitatively. 相似文献
6.
基于深度卷积神经网络的输电线路可见光图像目标检测 总被引:1,自引:1,他引:0
为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测。 相似文献
7.
PolSAR (Polarimetric Synthetic Aperture Radar)图像分类的传统方法在前期需要对数据进行特征提取,涉及较多的人为参与,且分类精度有待进一步提高。此外,在采用监督分类方法时,某些地物存在小样本问题,针对这些问题并结合PolSAR图像精细分类的需求,提出基于3D卷积神经网络的PolSAR图像地物精细分类方法,将传统卷积神经网络扩展为三维并将其应用于PolSAR图像分类中,利用PolSAR数据多通道特性,充分挖掘数据中的信息,提高分类性能,并采用虚拟样本扩充的方法改善某些地物的小样本情况,获得更好的分类结果。实验结果表明:3D卷积神经网络较2D卷积神经网络在PolSAR图像地物精细分类中有较好的性能,且虚拟样本扩充方法能够有效改善小样本分类问题。 相似文献
8.
手势识别是人机交互,智能语义识别和远程人机 交流领域的热门研究课题。目前基于 视觉的手势识别问题仍是研究的难点,在多变背景下的手势姿态识别仍然存在较大问题。近 年来,随着深度神经网络技术的快速发展,利用网络自主学习的方法来提取手势姿态有关特 征得到了广泛关注。由于卷积神经网络具有较强的学习能力和个体特征的表达能力,本文针 对传统手势识别算法精度低,鲁棒性差的问题,提出了基于卷积神经网络的TensorFlow框架 下加入扁平卷积模块的FD-CNN网络手势识别算法。在预处理数据集后,基于FD-CNN网络的 手 势识别方法可以直接将预处理后的图像输入网络进行训练,最终输出测试结果的识别精度为 99.0%。与传统方法和经典卷积神经网络方法相比,本文方法提高了 网 络系统对样本数据的多样性和复杂性的有效识别,具有较高的识别率和较好的鲁棒性效果。 相似文献
9.
基于半监督卷积神经网络的心律不齐分类 总被引:1,自引:0,他引:1
心律不齐早期的检测和分类有十分重要的价值.然而,由于心律不齐特征不够明显、不同人体心电信号存在较大的差异性等问题,心律不齐分类技术在现实中的应用存在很大困难.针对上述问题,提出了一种基于半监督卷积神经网络的心律不齐分类方法.首先,对心电信号进行马尔可夫变迁场变换将其变为二维图像;然后,迁移二维卷积神经网络训练得到普通模型;最后,使用半监督训练的方法得到特定模型,使用得到的特定模型对特定病人的心电信号进行分类.该方法从二维图像中提取更高层次的特征来提高分类性能,并有效地克服不同人体心电信号之间的差异性,增强了模型的泛化能力.遵循美国医疗器械促进协会标准,使用麻省理工学院和波士顿贝丝以色列医院心律不齐数据库中的数据,完成了心律不齐五分类,总准确率达到了97.9%,提升了心律不齐分类技术的现实应用价值. 相似文献
10.
“Composition” determines the vividness of the image and its narrative power. Current research on image aesthetics implicitly considers simple composition rules, but no reliable composition classification and image optimization method explicitly considers composition rules. The existing composition classification models are not suitable for snapshots. We propose a composition classification model based on spatial-invariant convolutional neural networks (RSTN) with translation invariance and rotation invariance. It enhances the generalization of the model for snapshots or skewed images. Ultimately, the accuracy of the RSTN model improved by 3% over the Baseline to 90.8762%, and the rotation consistency improved by 16.015%. Furthermore, we classify images into three categories based on their sensitivity to editing: skew-sensitive, translation-sensitive, and non-space-sensitive. We design a set of composition optimization strategies for each composition that can effectively adjust the composition to beautify the image. 相似文献
11.
12.
基于合成孔径雷达(synthetic aperture radar,SAR)在图像目标识别领域中识别精度低的问题,设计一种利用并联卷积神经网络(convolutional neural network,CNN)来提取SAR图像特征的目标识别方法.首先利用改进的ELU激活函数代替常规的ReLU激活函数,建立与二次代价函数相结合的深度学习模型.其次采用均方根支柱(root mean square Prop,RMSProp)与Nesterov动量结合的优化算法执行代价函数参数迭代更新的任务,利用Nesterov引入动量改变梯度,从两方面改进更新方式,有效地提高网络的收敛速度与精度.通过对美国国防研究规划局(DARPA)和空军研究实验室(AFRL)共同推出的MSTAR数据集进行实验,实验表明,该文提出的算法能充分提取出SAR图像中各类目标所蕴含的信息,具有较好的识别性能,是一种有效的目标识别算法. 相似文献
13.
14.
一种基于卷积神经网络的雷达目标分类方法 总被引:1,自引:0,他引:1
雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。 相似文献
15.
基于级联卷积神经网络的疲劳检测 总被引:1,自引:0,他引:1
为了诊断热核聚变等离子体状态,研制了用于热 斑区等离子体诊断用的新型X射线光谱仪,能够同 时探测X射线光谱与聚爆靶图像信息。光谱检测功能由4块椭圆晶体分析器实现,材料分别 为α-石英(1010)、 α-石英(2023)、α-石英(1011)和Si(111),几乎能够覆盖2~20 keV能带范围内的X射线特 征光谱。光谱检测 结构为光源位于椭圆的一个焦点,其辐射光谱经过椭圆反射聚焦于椭圆另一焦点,由X射线 成像板(IP)接收。图 像检测功能由分幅相机匹配小孔阵列成像完成,理想状态能够得到20 幅不同时间的聚爆靶图像。在谱仪与 聚爆靶之间的调整台上设置厚为60μm的Be膜,以保护针孔与晶体避 免聚爆溅射碎片破坏。在中物院“神光- Ⅱ”升级装置上进行了打靶实验,获取了X射线光谱与聚爆靶图像信号。分析了光谱及图像 信息,并针对光谱 仪漏光问题改进了光谱仪结构,最后在神光-Ⅲ原型装置上进行了验证实验并获得比较理想 的图像信号,信噪比(SNR)数据达到15dB。 相似文献
16.
17.
18.
人类行为识别作为视频分类中的重要问题,成为计算机视觉中的热门话题.由于卷积神经网络(CNN)的几何结构固定统一,这将会使得其几何变形建模受限,使得行为识别网络难以鲁棒性的识别行为类别.本文提出了一种融入可形变卷积的行为识别网络模型.首先,引入可形变卷积,构建了一种可协同学习空间外观和时间运动线索的模块,该模块分别学习视... 相似文献
19.
在日常的沟通与交流过程中,运用面部表情可以促使沟通交流变得更加顺畅,因此对于人类而言,进行面部表情的解读也是获取相关沟通交流内容的重要程序。随着科学技术的不断发展,人工智能在日常人类交流沟通中运用的越发广泛,因此面部表情人工智能识别这一项技术的发展与创新也更加受到关注。文章将对卷积神经网络的人脸表情识别技术进行深入的研究与探析。 相似文献
20.
针对现有网络隐写分析算法特征提取难度大、算法适用范围单一的问题,文章提出了一种基于卷积神经网络的网络隐写分析方法。对网络数据流进行预处理,将所有数据包处理成大小相同的矩阵,最大限度地保留数据特征完整性;使用异构卷积进行特征提取,减少模型计算量及参数数量,加快模型收敛速度;取消池化层,提高模型训练效率。与传统网络隐写分析方法相比,模型能够自动提取数据特征,识别多种网络隐写算法。 相似文献