多尺度注意力机制的电子元器件深度迁移识别方法

电子元器件的识别对于现代电子产品的智能生产和制造具有重要的作用,为了进一步获取电子元器件图像的关键特征,提升图像细粒度表达能力,提出一种基于多尺度注意力机制深度迁移识别方法。以Xception为主干网络架构,引入多尺度池化通道注意力和多尺度空间注意力模块,结合空间金字塔池化的思想,对特征图的每个通道进行不同尺度的最大池化和均值池化,获取通道方向上不同尺度的特征信息;在空间层面上进行不同尺度的空洞卷积,增大特征图的感受野,获取更加全面的空间特征信息;通过深度迁移学习,实现特征参数共享,进一步提高模型的泛化能力。在5种常见的电子元器件数据集上进行实验,结果表明,所提方法能有效获取图像不同尺度的显著特征信息,提升识别效果。     

基于轻量化深度网络的舰船目标识别技术研究

针对海上多平台资源受限条件下的舰船目标识别任务,提出一种基于轻量化深度网络的舰船目标识别方法,通过深度可分离卷积及多尺度语义信息融合等进行改进。设计了嵌入式平台应用背景下的轻量化舰船目标识别方法,在自建目标数据集保证top5准确率达到93.5%情况下,实现了模型参数量与计算量的大幅度削减。证明了该网络在低功耗资源受限情况下能够有效完成舰船目标识别任务。     

基于轻量化深度学习网络的调制信号识别模型

电磁态势分析是信息化战争中至关重要的工作,如何利用深度学习技术有效实现调制信号识别是其中一项关键技术.首先将调制信号转化为带有颜色信息的星座图形式,并用深度学习方法,选用VGG16和AlexNet两个卷积神经网络完成调制识别任务.结果显示,当信噪比大于等于0 dB时,可以达到99％以上的识别准确率.由于军用设备对于计算...     

假冒电子元器件的识别与分析

对假冒电子元器件的分类、危害和检测手段进行了阐述。电子元器件的用户可借助目视镜检、X射线、扫描超声显微镜和伏安曲线追踪仪等实验手段,对可疑电子元器件进行辨别,保证产品的质量和可靠性。     

基于卷积神经网络迁移学习的飞机目标识别

飞机目标识别是地面情报系统的一项重要关键技术。近年来火热的深度学习方法,如卷积神经网络,展现出对于图像识别任务的优越性能。但是,训练卷积神经网络需要大量的带标签样本以估计规模庞大的模型参数,因而限制了其在雷达目标识别领域中的应用。针对飞机目标识别中的小样本问题,文中引入适用于有限数据场景的迁移学习技术,预先在其他大样本高分辨距离像数据上训练一个初始卷积神经网络模型,再结合当前飞机目标识别任务调优模型参数。在实测数据上的实验结果显示,与仅使用卷积神经网络的方法相比,所提方法可显著提升识别准确率,验证了方法的有效性。     

面向人脸表情识别的迁移卷积神经网络研究

人脸表情识别是模式识别研究的一个重要领域,现实环境中人脸表情识别容易受到光照、姿态、个体表情差异等因素的影响,识别效果仍有待提高。为了取得更好的人脸表情识别效果,本文提出一种基于迁移卷积神经网络的人脸表情识别方法,本文在训练得到人脸识别网络模型的基础上,采用迁移学习方法将所得人脸识别模型迁移到人脸表情识别任务上,并提出Softmax-MSE损失函数和双激活层(Double Activate Layer, DAL)结构,以提高模型的识别能力。在FER2013数据库和SFEW2.0数据库上的实验表明,本文所提方法分别取得了61.59%和47.23%的主流识别效果。      

基于轻量化网络的干扰信号智能识别算法

针对干扰信号识别时卷积神经网络模型体积大、训练周期长、对硬件存储和计算要求高等问题,本文提出了一种基于改进轻量级网络模型SqueezeNet的干扰信号智能识别算法。该方法首先利用距离多普勒（Range?Doppler,RD）处理获得目标及干扰信号的RD图像,接着采用滑窗变换、归一化等技术对RD图像进行重塑;然后采用基于RD信息尺寸的隐层和通道剪枝措施对SqueezeNet网络进行改进,缩小了模型尺寸和存储空间;最后利用不同参数的测试样本拓展网络模型的泛化性能。仿真实验表明,在参数量减少到原网络1/30的情况下,改进的SqueezeNet网络对每种干扰的识别正确率可达到95%以上,且训练时间大大减少。     

基于深度神经网络的人体动作识别研究

本文介绍了一种三维建模人体模型的方法,通过分层次地识别人体各部位的行为,从底层行为组合成为高层的动作和活动,应用隐马尔科夫模型完成人体行为的学习工作.同时,应用该模型,同样可以完成人体行为及活动的检索功能,通过输入一些自然语言,完成相关视频信息的获取.     

融合深度扩张网络和轻量化网络的目标检测模型

目标检测作为计算机视觉的一个重要研究方向,近年来在算法性能上有了突破性进展.为了更好的提升两阶段目标检测的精度与速度性能,提出了一种基于迁移学习方法的融合深度扩张卷积网络和轻量化网络的检测模型.首先用扩张卷积网络替换主干网络中部分的卷积残差模块——深度扩张卷积网络D_dNet-65;然后对预训练后的特征图进行压缩操作,并增加一个81类的全连接层以确保正常进行分类和回归操作——轻量化网络结构;最后,引入迁移学习方法并融合D_dNet和轻量化网络结构,通过迁移实现模型的进一步优化.实验在典型的数据集MSCOCO以及VOC07上进行.实验评估表明,本文提出的方法具有良好的有效性和可扩展性.     

基于深度卷积神经网络的手势识别

在手势识别的过程中,手势变化的多样性和手势本身的复杂性会对手势识别的精确性和可靠性带来很大的影响。为了能够实现高准确率的手势识别,文章提出了一种基于深度卷积神经网络(CNN, Convolutional neural network)的手势识别方法。该方法针对22个英文字母(排除了G、S、J和Z)实现静态手势识别,首先选用合适的手势数据集,通过使用Keras(神经网络的高级API)实现卷积神经网络,最终获得较高的识别率,可以达到97%。实验表明,该方法可实现背景单一手势图像的精确识别。     

基于单目的轻量化目标识别系统设计

为了满足微型无人飞行器实时控制的要求,文章对Yolo-V4单阶段图像检测算法进行了轻量化设计,并基于单目摄像头设计了实时目标识别系统.该轻量化算法首先通过优化输入网络的分辨率和卷积层参数等方法,将主干网络由73层压缩到16层;然后通过简化残差结构和跨级结构,解决深层网络梯度消失问题,减少梯度信息重复;最后自下而上将网络浅层和深层特征进行了精简融合.采用K均值聚类算法训练轻量化模型以优化预选框参数,提高算法对特定目标的检测精度.测试表明,改进后的轻量化算法对特定目标的预测精度为98％,召回率为92％,均值平均精度达90.70％,单张图片检测时间为7.8 ms,对视频的处理速度可达125.6 f/s,满足微型无人飞行器的实时应用要求.     

基于BP神经网络的电子元器件寿命预测

电子元器件的寿命预测对于制订寿命试验的规划,确定所需的试验时间及试验经费,都有十分重要的指导作用.基于BP神经网络提出了一种电子元器件寿命预测的方法,该方法可对当前样本的未来观测值或未来样本的观测值进行预测.对MOS电容的加速寿命试验数据进行了仿真试验,结果表明该方法可较好地预测MOS电容在相应的应力条件下的失效时间,且精度较高.     

基于深度迁移学习的跨库语音情感识别

语音是信息传递的载体.情感作为语音携带的一种突出的信息,左右了语言的释义.在对现有语音情感识别方法进行研究的基础上,提出一个深度迁移网络——基于注意力机制的长短时动态对抗适配网络(Attention-based LSTM Dynamic Adversarial Adaptation Networks,LSTM-TF-a...     

情感识别中的迁移学习问题综述

情感识别是实现自然人机交互的必要过程。然而,情感数据高昂的采集和标注成本成为了限制情感识别研究发展的一大瓶颈。在无标注或有限标注的场景下,利用知识的跨领域或跨任务迁移提升情感识别效果的问题值得探索。本文对情感识别中的迁移学习问题进行了梳理和分析。首先,将迁移学习问题划分为针对领域差异和针对任务差异的两大部分,并进一步将每部分问题细分为多种不同的情况。随后,基于情感识别领域的研究现状,分别总结不同情况下的现有工作。在目标领域训练资源匮乏的情况下,可以利用其他带标注的数据集作为源领域训练模型,并对齐不同领域下的特征分布,或将特征映射到域间共享的空间。考虑到情感标签所提供的监督信息往往较为有限,为了进一步提升模型的识别效果,可以引入其他相关任务进行联合训练,或将预训练模型、外部知识库提供的先验语义知识迁移到情感识别任务中。最后,讨论了情感识别领域中未来需要得到更多关注和探索的迁移学习问题,旨在为研究者带来新的启发。     

基于树莓派的室内植物病虫害识别系统设计

为了防止由于病虫害导致的室内植物死亡问题,设计了一种基于树莓派的室内植物病虫害识别系统.系统以树莓派3B+为核心,将树莓派3B+与土壤水分传感器和空气温度传感器相连,对土壤中的水分和空气温度进行分析,进而实现基本的灌溉功能.利用摄像头对室内植物进行拍摄,并且将拍摄到的图片用移植到树莓派3B+中训练好的植物病虫害识别模型...     

基于迁移学习的人脸种群识别技术研究

自动提取人脸特征来验证人的身份目前已经被广泛的应用在各种领域,但是通过人脸特征来辨别种群大多还是停留在人工提取特征的阶段,耗费大量人力资源,或者使用深度学习,但是需要经过大量的计算消耗大量的时间。文中提出了一种利用迁移学习的方法,通过微调网络以及冻结参数相结合的训练方式提高了原预训练网络对于人脸种群识别的泛化性与稳定性;同时对模型进行了改进以提高识别的时效性,提高了网络识别速度的同时大大减少了网络的参数。经自建的人脸数据集训练测试,取得了良好的检测性能。     

基于深度学习的动漫风格迁移研究综述

图像动漫化技术的发展对我国动漫产业影响巨大.目前基于深度学习的动漫风格迁移研究是一项热门的研究方向,相关算法层出不穷.文章对动漫风格迁移领域现有的主流方法和代表性工作进行了归纳和讨论,分析了该领域所使用的主要深度神经网络模型,并按照动漫风格迁移方法所解决的不同实际问题,将其归纳为风景动漫迁移、人像动漫迁移和视频帧动漫迁...