基于YOLO v4网络的房屋目标检测研究

随着社会科学技术的不断进步和人工智能算法的创新发展,深度学习在目标检测领域有着十分重要的应用.针对目前采用人工对偏僻地区房屋建筑进行检测存在的效率低下、安全隐患较大等不足,将无人机技术与深度学习相结合,提出了一种基于深度学习YOLO v4算法实现对房屋目标的检测研究.对无人机采集的电力通道巡检视频进行预处理,对图像进行...     

基于视觉传达理论的高光谱图像复原研究

研究基于视觉传达理论的高光谱图像复原方法,提升图像复原的抗干扰能力以及高光谱图像视觉传达效果。依据视觉传达理论,使用图像差分法计算高光谱视频图像灰度值获取运动区域,依据压缩感知理论获取运动区域初始信息,通过字典学习方法表征高光谱视频图像静止区域的空间性、相关性的稀疏信息后,获取静止区域初始信息;利用压缩感知方法分块视频图像、建立图像块观测值向量、观测矩阵等获取运动区域复原图像块,结合静止区域复原图像块完成高光谱图像复原。实验结果表明：该方法复原后的高光谱视频图像具有层次分明、清晰度高的优势,且该方法抗高斯白噪声干扰能力强,视觉传达效果卓越。     

基于深度学习的基金客服情绪安抚算法

构建基金智能客服情绪安抚算法,增加人性化设计以有效提升客户使用体验。由基于OCC模型的情绪粗粒度分类得到有负面情感的文本信息,对该文本信息进行相关处理,而后基于SVM模型进行情绪细粒度分类,得到文本的负面情绪类别并在囊括专业知识和情绪应答的基金领域知识库中匹配答案和情绪应答语句,将查询结果展示给客户。     

深度学习在建筑物变化检测中的应用

建筑物检测的研究由来已久,在过去几十年里,人们通过遥感图片的色彩以及反射率等对建筑物的变化进行检测分割。但是分割的效果并不理想,因为色彩和反射率等特征的提取往往需要人手动的调整,不同建筑物的材料也各不相同,如何更好的提取建筑物特征成为该项目中的一个难点。随着近几年深度学习的发展,提取遥感影像中的特征变得简单起来。     

基于机器学习的KQI+KPI一体化管理

利用大数据机器学习算法,通过对海量小区动态门限自学习,实现KQI与KPI自动关联,建立小区级一体化性能监控告警和趋势分析系统。构建以KQI+KPI为牵引,以提升用户体验质量为目标的业务质量管理体系。     

结合深度Q学习和注意模型的视频人脸识别

针对视频人脸识别中存在的动态人脸信息捕捉困难和局部人脸特征提取粗糙的问题,提出了一种基于深度Q学习和注意模型结合的视频人脸识别方法。首先,采用卷积神经网络(Convolutional Neural Network,CNN)训练视频数据可提取多维特征;其次,将视频特征输入注意模型,根据视频数据时间连续性信息得到局部人脸特征、人脸位置和时间记忆单元;最后,采用Q学习迭代计算注意模型的输出,找到含人脸的最优帧序列,并以此计算视频匹配准确度。实验结果表明,该方法有效提高了复杂背景下视频人脸识别的准确性。     

基于深度学习网络PSP-NET的前列腺MR图像的分割

为了提高前列腺磁共振图像分割的准确性,文中提出一种新的基于金字塔场景解析网络(PSP-NET)的深度卷积神经网络分割方法。先将三维前列腺磁共振图像经相应的转换工具包得到二维图像切片,然后将二维图像的切片输入基于PSP-NET神经网络进行训练。为了训练网络,从临床科室抽取50个病人的三维前列腺磁共振图像,共5 000张图像切片,其中4 000张切片用来训练,1 000张切片用来测试。实验结果表明,对其中1 000个对象的识别,分割精度达到91.3%,此分割算法与已经提出的算法相比,图像分割精度明显提高,分割用时更少,能够更好地应用于临床诊断。     

我与《影视制作》的擦肩缘分

正那年夏天,我与你差点擦肩错过,或许这就是擦肩的缘分,我留意到了你。你的第一次出现是在重庆电视台办公区电梯口的楼道里,等待电梯的时间里,你走进了我的眼里,我环视了一下周围,没有其他人路过,用手机偷偷地给你拍了一张照片,那年是2010年,室外温度不低于44度,仿佛初恋就是这个感觉,心跳加速,脑子里不断出现你的画面。老天注定好了一个东西就是缘分,我第二天去机房采集素材,你已经早早地等待着我的出现,静静的在办公桌上等我伸手把你捧在手心,《影视制     

贝叶斯网络结构学习研究

针对贝叶斯网络结构学习方法难以兼顾高准确率和高效率的问题,提出了一种基于Markov Chain Monte Carlo(MCMC)方法的贝叶斯网络结构学习方法的改进.改进包括:使用依赖关系分析,利用统计学的方法对采样空间进行大幅缩减,能够在精确控制准确度的情况下大幅提高时间效率;结合先验知识,从理论角度将先验知识融入评分中得到完全服从后验分布的结果;搜索最优子结构,对于特定的一些结构搜索最优子结构而不是采用贪心的方法,提高了贝叶斯网络结构学习的准确率.通过理论分析可以证明时间复杂度得到了大幅的降低.并且可以在牺牲可预知的准确率的情况下,将指数时间复杂度降为线性时间.大量的数据实验表明,经改进后的方法在时间和准确性上都具有良好的表现.