一种基于改进CNN和FCN模型的裂缝检测方法

人们一直在探索精确快速识别混凝土墙、瓷砖等建筑材料的裂缝检测方法。基于此,提出一种基于改进卷积神经网络模型(CNN)和完全卷积神经网络模型(FCN)的裂缝识别算法。首先,通过改进的CNN模型定位裂缝区域,排除非裂缝区的斑点、阴影、水渍、涂鸦等干扰因素;然后,通过FCN模型对CNN结果进行再处理,得到精确的裂缝定位图;最后采用统计函数提取裂缝的长度、宽度等特征。结果表明,此算法的检测精度高,耗时短,能有效识别混凝土和瓷砖图像上的裂缝。     

基于共轭梯度法的CNN图像分类模型研究

本文针对处理图像分类的卷积神经网络(CNN)模型,设计并应用修正的三项PRP共轭梯度法(M-PRPCG)训练模型以提高图像分类的准确率。首先,基于CIFAR-10图像分类数据集构建ResNet18和VGG16卷积神经网络(CNN)模型;然后在训练集上,采用修正的三项PRP共轭梯度法(M-PRPCG)训练模型;最后在测试集上进行验证。实验结果表明,修正的三项PRP共轭梯度法(M-PRPCG)训练的ResNet18和VGG16模型相比于Adam算法训练的模型在图像分类准确率上分别提高了3.46%和1.97%。     

基于CNN分类器和卷积的目标检测

随着机器视觉领域的研究进展和多媒体技术的迅猛发展,目标检测成了机器视觉研究方向的一个热门领域。在一张图片中,如何寻找某类特定的目标是一个十分值得研究的课题,并且具有优秀性能的算法可以用在十分广阔的领域中,比如视频中的行人、车辆检测等。文中提出了一个基于卷积神经网络的深度学习分类器和卷积的方法,该方法性能优良,漏报率较低,可以快速检测出图片中的某类目标。并且通过以行人检测为例的实验证明,甚至与传统的检测相比鲁棒性更好,速度更快,可以更好地确定标的位置。     

基于时序特征提取的用户群体划分模型

随着铝、铜等有色金属产品供需的不断增加,产生了对应的电子商务智慧采购交易平台-智慧采购系统,并积累了大量的数据.根据供应商的历史交易数据,分析求购者需求和供应商之间的相关性,可以促使电子商务智慧采购交易平台更好的为用户提供精细化服务.由于交易数据量庞大且繁杂,直接利用原始交易数据进行分析,不仅浪费计算资源,还存在特征信...     

基于改进CNN的在线影评文本分析模型的应用

提出一种改进卷积神经网络的文本分析模型CNN-LR,该模型主要利用CNN中的卷积层提取局部特征和位置信息,池化层保留主要特征的同时减少参数和计算量,全连接层实现特征的整合,最后输出层使用LR分类器对采集到的特征进行分类训练,得到最终情感类别.为了验证方法的有效性,在豆瓣电影网上高分国产剧的评价信息文本以及公开数据集IM...     

基于Logistic回归的数据分类问题研究

数据分类是数据科学的一个重要研究方向,Logistic回归是最基本的分类算法之一.线性回归和Logistic回归都属于线性模型,本文介绍了两者的联系,详细阐述了模型的目标函数和参数训练过程.在经典的模式识别数据集Iris上,应用Logistic回归模型基于部分特征和全部特征维度进行了建模和分类预测.实验结果表明,适合比例的训练集和测试集切分,较高权重特征组合的建模可以获得较高的分类准确率.     

基于CNN的车辆目标检测与车型分类研究

车辆检测与分类是智能交通系统的重要任务.解决这些任务的传统方法由于受到车辆图像视角受限的影响从而导致粗粒度的识别结果.近年来深度学习成功应用于图像分类任务,并受其最新成果的启发,本文提出了一种基于卷积神经网络的车辆检测与分类方法,该方法包括车辆区域检测和车型分类两部分.在检测和分类实验中,我们详细对比分析几种典型的网络...     

基于CNN的SAR车辆目标检测

传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含MiniSAR数据的测试集进行测试。实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短。     

一种基于CNN与梯度分水岭算法的卫星图像区域分割识别方法

卫星图像的准确分割与识别在军事、环境、民生方面都有着重要的研究意义与价值.传统的区域分割算法如分水岭算法、k-means算法等在错综复杂的卫星图像中表现不佳,且不能同时给出区域的类别.为解决上述问题,本文提出一种结合CNN与分水岭算法的图像区域分割方法.该方法首先使用人工标记的区域图像训练CNN(卷积神经网络)分类器,且使其具有旋转不变性及平移不变性,从而能适应不同状态下的图像分类.然后用分水岭算法对图像进行区域粗粒度的聚类,针对分割出的每一个候选区域,使用CNN分类器对其迭代打分,最后得到分割区域并给出识别结果.实验结果表明,该方法较传统方法有更好效果.     

基于FaceNet改进的人脸识别算法

阐述FaceNet人脸识别算法模型参数量大、训练难度大,无法在本地或嵌入式系统中运行的问题。提出一种基于FaceNet改进的人脸识别算法。同时,采用联合损失函数训练网络模型,达到降低训练难度的目的。通过实验验证,该模型可以准确地识别人脸,对光照、姿态、遮挡等外界因素鲁棒。     

Geo-localization based on CNN feature matching

A geo-localization method is proposed for military and civilian applications, which is used when no global navigation satellite system (GNSS) information is available. The open graphics library (OpenGL) is used to build a three-dimensional geographic model of the test area using digital elevation model (DEM) data, and the skyline can thus be extracted with the model to form a database. Then, MultiSkip DeepLab (MS-DeepLab), a fully convolutional semantic segmentation network with multiple skip structures, is proposed to extract the skyline from the query image. Finally, a matching model based on convolutional neural network (CNN) feature is adopted to calculate the similarity between the skyline features of the query image and the DEM database to realize automatic geo-localization. The experiments are conducted at a 202.6 km2 test site in north-eastern Changsha, China. 50 test points are selected to verify the effectiveness of the proposed method, and an excellent result with an average positioning error of 49.29 m is obtained.     

基于改进U Net模型的焊缝特征提取

针对基于激光视觉自动焊接过程中,出现焊缝特征占比失衡,焊接偏移的问题,提出一种改进U Net模型,在U Net网络模型的基础上融合可学习的调整器模块,在编码块中接入特征增强模块,减少了弧光干扰,提升了焊缝特征提取的精度。以管道自动焊接机器人作为图像采集平台,设计了网络训练模型,同时辅以数据增强防止网络过拟合,实验结果表明,改进型U Net算法的像素分割准确率(acc)、平均交并比(mIou)、平均像素精确度(mpa)分别为9934%、8936%、9562%,与传统阈值分割算法、FCN算法、U Net算法、PSPNet算法相比,本文的精度指标最优,在强弧光干扰环境下能准确提取出焊缝特征,具有抗噪能力强,识别准确率高的优点。     

基于序列特征提取的个性化推荐

基于序列的推荐是推荐系统研究的热点,序列中包含许多重要信息,如物品的点击规律和用户的兴趣,有效利用序列信息是提高推荐准确率的关键.为了有效提取序列信息,提出了ACRec推荐系统模型,利用多头自注意力机制和卷积神经网络从动态和静态两个方面提取序列信息,并利用矩阵分解增强模型中用户与序列的语义关系.在MovieLen-1M和Video_Games两大公开数据集上实验证明,相比于其他基线模型,ACRec提高了推荐的准确率,Hit@10分别提高了1.03％和18.4％,NDCG@10分别提高了2.6％和20.9％.     

改进的DWT-MFCC特征提取算法

基于离散小波变换的美尔倒谱系数(DWT-MFCC)~([1])将小波变换引入到MFCC参数的提取中,用DWT代替FFT将语音信号分解为多个频带的小波系数,并将小波系数的频率响应直接拼接为完整频谱后再通过Mel滤波器获得。改进的DWT-MFCC特征提取算法从滤波的角度分析小波分解过程及各子带频谱的变化,提出了新的有效频谱拼接方式。实验结果表明,改进的特征提取算法提高了说话人的识别率;同时,在该算法下随着小波滤波器db N长度的增加,滤波器截止特性变好,识别率也随着增加。     

基于序列特征提取的个性化推荐

基于序列的推荐是推荐系统研究的热点,序列中包含许多重要信息,如物品的点击规律和用户的兴趣,有效利用序列信息是提高推荐准确率的关键.为了有效提取序列信息,提出了ACRec推荐系统模型,利用多头自注意力机制和卷积神经网络从动态和静态两个方面提取序列信息,并利用矩阵分解增强模型中用户与序列的语义关系.在MovieLen-1M和Video_Games两大公开数据集上实验证明,相比于其他基线模型,ACRec提高了推荐的准确率,Hit@10分别提高了1.03％和18.4％,NDCG@10分别提高了2.6％和20.9％.     

基于子图像特征的目标提取方法

针对特定目标提出一种新的基于子图像块的目标提取方法。先对图像分块,再对分块后的特征图重新构建特征量并进行阚值分割,从而实现粗检,辅以知识确定目标的大概区域,最后借助边缘特性提取出精确目标。试验结果表明,该方法计算量较小、便于硬件实现,对于复杂自然背景中对比度低及不均匀光照条件下的一定形状尺寸的目标提取获得满意效果。     

Human motion quality assessment toward sophisticated sports scenes based on deeply-learned 3D CNN model

Video may be subject to various distortions during acquisition, processing, compression, storage, transmission, and reproduction, and it results in reduced visual quality. In complex sports scenes under big data environment, the human body's movements are even more so. The quality of human motion can intuitively affect the human visual experience. Therefore, it is necessary to determine an intelligent quality assessment model to evaluate human motion in complex motion scenarios under big data environment. It can be used to dynamically monitor and adjust video quality, and it can be used for algorithms and parameter settings in motion image processing systems. With the popularity of deep learning, convolutional neural networks have become a very important method in the field of computer vision research. Based on the 2D-CNN algorithm, we propose a 3D convolutional neural network model for human motion quality assessment in complex motion scenarios. The model captures the pose characteristics, motion trajectory, video brightness and contrast in time and space. The model feeds back the reference and distorted video pairs into the network, with each output layer acting as a feature map. The local similarity between the feature maps obtained from the reference video and the distorted video is then calculated and combined to obtain a global image quality score. Experiments show that the model can achieve competitive performance in big data environment for video quality assessment.     

基于小波变换的视觉信号特征提取方法

该文提出了一种用于视觉信号特征提取的新方法将CCD获取的图像投影后的信号波形进行小波变换。当小波的尺度选择恰当时,小波变换结果的零交叉点可用于确定图像的中心。实验结果表明,该方法相对于其他方法对随机误差的干扰具有更强的鲁棒性。     

基于能量的时频特征提取研究

有效地从含有噪声的非平稳信号中提取特征是进行非平稳信号分类等研究的基础。应用流域算法,对含有高斯白噪声的非平稳信号的时频分布图进行分割,并根据能量占优的准则对其合并,提出了一种基于能量的特征提取方法。仿真结果表明该方法能有效地提取特征量,且对高斯白噪声具有很好的抗噪性能。     

基于MATLAB的四维水质模型仿真

为了更好的反应污染物在流体中的扩散过程,在一维的水质模型的基础上提出了四维水质模型。根据扩散时的质量守恒定律,经过三维的傅立叶变换,建立起污染物扩散的微分方程,再进行合理的简化,得出污染物在水体中各点浓度随时间变化的解析式,并通过一个实例在MTALAB平台上得到仿真结果。实验结果表明,使用MATLAB比其他软件更加形象、直观的反应四维水质模型,同时验证了四维模型比一维更具有先进性。