卷积神经网络在图像处理中的应用

卷积神经网络相比普通的神经网络能够大量减少训练集,并且识别准确性也能大幅提高,目前在图像处理和图像识别等领域有非常广的应用.本文详细阐述卷积神经网络,包括卷积层、激活层、池化层、全链接层,并利用TensorFlow做一个对比,展示卷积神经网络在图像处理中的过程.     

卷积神经网络在核小体定位识别中的应用

为更准确识别核小体定位,本文提出一种基于Z曲线理论(Z-Curve)的卷积神经网络(CNN)方法,称为ZCN方法.ZCN方法以Z曲线三维坐标矩阵表示核小体序列特征,通过十倍交叉验证,进行卷积神经网络方法进行模型训练和验证,使用标准评估指标进行性能评价.结果表明:ZCN方法在酵母中具有良好的识别效能,敏感性Sn、准确性S...     

卷积神经网络在药品冷链监控系统中的应用

为了低温药品在仓储、运输等所有医药冷链环节中,能够保证药品的疗效,即针对药品的环境敏感性强、保存期限短、追溯需求大等问题,基于卷积神经网络算法,设计了药品冷链监控系统。通过不断改变卷积神经网络中的卷积核和抽取比例来得出最适合本系统的网络参数,从而能够更加准确地判断出药品库房中的温湿度数据是否存在人为干扰日常记录及故障现象。实验结果表明:选取的输入数据为2×160,第一层的卷积核为2×17,抽取比例为1∶3;第二层选取的卷积核为1×11,抽取比例为1∶2,这时得出的错误率最低为1.2%。     

基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。     

基于目标形状卷积神经网络在舰船分类中的应用

针对传统卷积神经网络采用通用卷积核提取目标特征造成更高的时间和空间开销的问题,提出一种适应目标几何形状的卷积核结构以替代通用卷积核,可使单个卷积核充分提取目标特征,简化目标提取过程,减少冗余计算。实验以网上收集的舰船可见光图像数据集为研究对象,实验结果表明:本方法在舰船目标识别任务中达到了99.7%的分类准确率,与目前通用的分类模型进行对比要高出约1%,训练速度是通用模型中收敛速度最快的模型的3倍。     

优化卷积神经网络在复杂验证码图片识别中的应用

常规方法预处理验证码图片时,往往容易忽略边缘离散噪声点的去噪处理,造成预处理后图像峰值信噪比、结构相似度较低.为了解决上述问题,提出优化卷积神经网络在复杂验证码图片识别中的应用.转化原始图片为灰度图像,利用高斯平滑和二值图像逻辑运算,分别去噪正态分布噪声点和边缘离散噪声点,分割预处理后的图片,提取图片字符特征向量,统一...     

基于双路式卷积神经网络的车辆与行人检测

针对低能见度状态下对车辆与行人的视觉特征难以提取的问题, 提出一种将2路卷积神经网络融合从而实现对车辆与行人识别的方法。采用高斯背景差分法实现图像去模糊, 在双路网络中分别采用不同尺寸的滤波器, 调整滤波器的大小得到不同环境下图片的特征值, 采用反向传播算法计算梯度。实验结果显示, 与单路式卷积神经网络对比, 在能见度低的环境中, 该方法对车辆的辨识率提高至83.49%, 对行人的辨识率提高至87.36%, 表明在低能见度环境中, 双路式卷积神经网络识别准确率高于单路式卷积神经网络。     

基于全卷积神经网络复杂场景的车辆分割研究

针对目前存在的复杂交通场景中车辆分割精度不足的问题,本文提出了一种基于全卷积神经网络对图像中车辆进行分割的方法。在VGG16Net基础上,将全连接层改为卷积层,为获得更精细的边缘分类结果,减少了部分卷积层,并融合浅层和深层特征,同时,为提高交通环境下车辆的分割精度,减少其他类别目标的干扰,将对车辆目标的分割问题改为基于像素的二分类问题,为提高网络的训练速度,采用Adam优化算法对网络进行训练。实验结果表明,与现有的全卷积神经网络分割效果相比,该网络对复杂交通场景下的车辆分割精度明显提高。该研究在智能交通方面具有较好的应用前景。     

神经网络文字识别系统研究

介绍了BP网络的主要特点并将其应用于文字识别系统之中.阐述了文字识别系统的基本原理、模型以探求解决复杂文字识别方法的途径.     

卷积神经网络综述

归纳总结国内外卷积神经网络的结构,分析卷积神经网络的基本原理,阐述卷积神经网络在图像识别中的相关应用及取得的最新研究成果,指出了卷积神经网络在图像识别应用中存在的不足以及未来的发展方向。     

卷积神经网络在纺织及服装图像领域的应用

随着大数据时代的到来,作为类脑计算领域的一个重要研究成果,卷积神经网络(convolutional neural net-works,CNNs)已广泛应用于多个领域.与传统机器学习相比,卷积神经网络拥有更复杂的网络结构和更多隐藏层,有更强的特征学习和特征表达的能力,已被较好地运用处理多个大规模分类识别任务.目前纺织服装行业大量丰富的图像数据正好迎合了它的应用,已经有许多纺织服装图像领域的研究运用卷积神经网络技术,并取得了较好的效果.梳理了卷积神经网络运用在图像分类和目标检测两方面的主要经典网络结构,并分别介绍了这些网络为更好地应用于纺织服装领域而进行的改良与创新,最后结合现阶段发展给出未来可以运用的理论方向.     

小波变换在心电图识别系统中的应用

利用小波变换技术对心电图的QRS波、P波、T波的具体形态进行识别,由此得到各个波的形态、起点、终点的位置及相应的参数值。并在得到特征参数的基础上构建了心电图诊断专家系统,它是以领域专家的理论知识和经验知识为基础,采用一种新的模糊推理方法建立模糊专家系统。采用VC 6.0对该方法进行检测,结果显示该系统能较准确对心电图进行自动分类诊断。     

基于卷积神经网络的语义分割技术及其在脑神经影像应用中的研究进展

为了提高各类神经疾病诊断中对感兴趣区的分割准确度,推动基于卷积神经网络(convolutional neural networks,CNN)的语义分割的进一步应用,综述了基于CNN的语义分割方法在多种神经影像研究中的应用.首先,回顾了当前CNN体系结构以及基于CNN语义分割的多种经典模型及其架构变化.然后,对基于CNN的语义分割方法在脑神经影像领域的应用进行了深入的介绍.最后,对该方法在神经影像处理领域的未来发展方向和面临的挑战进行了展望.     

基于卷积神经网络的多尺度融合特征图在人群密度估计中的应用

提出了一种以Unet++为基础的卷积神经网络,适用于人群密度估计。该网络的优点是用并行连接的方式进行多尺度融合结合浅层网络的细节信息和深层网络的高阶语义信息来消除两者之间过大的语义鸿沟。此外,还引入了膨胀卷积来提高网络性能。在Shanghai Tech和UCF_CC_50两个通用人群密度估计数据集上进行实验选取平均绝对误差(MAE)和均方误差(MSE)作为评价指标。实验结果表明在这两个数据集上该网络均有效降低了MAE和MSE,说明其在人群密度估计方面有较好的准确度和鲁棒性。     

指数弹性动量卷积神经网络及其在行人检测中的应用

针对深度卷积神经网络存在规则化参数多、未利用浅层先验知识、参数随机初始化后易导致权值更新梯度弥散及训练早熟等问题,采用PCA非监督学习方式获取导向性初始化参数数值方法,并基于对网络误差的传播分析,提出指数自适应弹性动量参数学习方法.以复杂场景下行人目标为例进行目标检测试验,实验表明:与人工特征检测识别方案及传统深度卷积模型相比,该模型可有效提升目标检测精度,检测速度提升20%以上;与其他动量同源更新机制相比,该算法收敛速度更快,收敛曲线更平滑,泛化能力强,可在不同深度模型均可取得较好检测效果,准确率分别平均提高1.6%,1.8%和6.19%.     

单隐层感知器在ISAR目标识别系统中的应用

单隐层感知器做为一种分类器,它是ISAR 目标识别系统中的一个重要单元。本文通过ISAR 目标识别的仿真,研究了隐元数选取和网络权初值对训练过程的影响,并由节省训练时间的立场出发,给出了隐元数选取和训练终止准则。     

PIC单片机在模具条码识别系统中的应用

提出了将条码技术应用于模具的仓库管理上,可实现注塑车间中模具使用的信息化和自动化管理.围绕系统的开发,提出了一种铝箔铭牌条码标签简单可行的制作方法,解决了扫描器和单片机之间的接口电路,并且通过PIC汇编语言的编程,实现了单片机对扫描器所采集铝箔铭牌标签数据的接收和显示.对于系统今后的实际应用,也提出了进一步的设计方法.     

卷积分析在离散系统中的某些应用

本文提出了卷积逆的概念,它包括“卷积逆元”和“卷积相除”,并给出了与此有关的一系列运算规则。用这种方法分析卷积方程得到解:用这种方法分析差分方程得到解:     

卷积积分在电路分析中的应用

论述了如何把卷积积分正确地应用到电路分析中,并讨论了在电路分析中应用卷积积分要注意的关键问题。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC＋＋6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。