期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到25篇文章
< 1 2 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
蜂窝物联网多阶段攻击异常流量检测算法 认领 引用
1
作者 薄文彦 孙四娟 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第4期1128-1134,共7页
针对攻击者利用物联网多漏洞进行连续或并发攻击,传统检测方法因局限于单一阶段,难以全面捕捉攻击特征和阶段变化,导致特征提取与残差映射信息利用不足,影响异常模式识别和信号预测准确性,降低了多阶段攻击检测效率的问题,提出了一种蜂... 针对攻击者利用物联网多漏洞进行连续或并发攻击,传统检测方法因局限于单一阶段,难以全面捕捉攻击特征和阶段变化,导致特征提取与残差映射信息利用不足,影响异常模式识别和信号预测准确性,降低了多阶段攻击检测效率的问题,提出了一种蜂窝物联网多阶段攻击异常流量检测算法。通过深入分析蜂窝物联网多阶段攻击流程,准确识别各阶段特征。将获取的蜂窝物联网运行信号进行标准化处理,并转换为图像形式,利用多尺度混合残差模块提取蜂特征图像,提高了特征提取的准确性和全面性。通过恒等映射拟合残差块,残差映射能够被更有效地利用,从而优化多阶段攻击异常流量检测性能,精确反映数据异常模式。最后,利用全连接层Softmax函数实现信号类别预测,高效检测多阶段攻击异常流量。通过实验分析,该算法多尺度混合模块数量为10时,实现多阶段攻击异常流量检测效果最佳,此时蜂窝物联网数据传输丢包率受攻击影响变化较小,网络运行状态较为稳定,能够有效检测DDoS攻击、中间人攻击、恶意软件传播等多种类别多阶段攻击,数据传输时延稳定在0.085 s以下,表明本文算法能够有效提升蜂窝物联网运行安全性和速率。 展开更多
关键词 蜂窝物联网 多阶段攻击 异常流量检测 多尺度混合残差 多尺度 softmax函数
CS-Softmax:一种基于余弦相似性的Softmax损失函数 认领 引用 被引量：25
2
作者 张强 杨吉斌 +2 位作者 张雄伟 曹铁勇 郑昌艳 《计算机研究与发展》 EI CSCD 北大核心 2022年第4期936-949,共14页
卷积神经网络分类框架广泛使用了基于Softmax函数的交叉熵损失(Softmax损失函数),在很多领域中都取得了良好的性能.但是由于Softmax损失函数并不鼓励增大类内紧凑性和类间分离性,在一些多分类问题中,卷积神经网络学习到的判别性嵌入表... 卷积神经网络分类框架广泛使用了基于Softmax函数的交叉熵损失(Softmax损失函数),在很多领域中都取得了良好的性能.但是由于Softmax损失函数并不鼓励增大类内紧凑性和类间分离性,在一些多分类问题中,卷积神经网络学习到的判别性嵌入表示的性能难以进一步提高.为了增强嵌入表示的判别性,提出了一种基于余弦相似性的Softmax(cosine similarity-based Softmax,CS-Softmax)损失函数.CS-Softmax损失函数在不改变神经网络结构的条件下,分别计算嵌入表示与分类全连接层权重的正相似性和负相似性,以实现同类紧凑和异类分离的训练目标.理论分析表明:边距因子、尺度因子、权重更新因子等参数的引入,可以调节各类别决策边距的大小,增大类内紧凑性、类间分离性,增强学习到的嵌入表示的判别性.在典型的音频、图像数据集上的仿真实验结果表明:CS-Softmax损失函数在不增加计算复杂度的同时,可以有效提升多分类任务性能,在MNIST,CIFAR10,CIFAR100图像分类任务中分别取得了99.81%,95.46%,76.46%的分类精度. 展开更多
关键词 模式分类 卷积神经网络 损失函数 Softmax 余弦相似性
暂未订购 下载PDF
深度神经网络Softmax函数定点算法设计 认领 引用 被引量：12
3
作者 黄光红 林广栋 +2 位作者 吴尔杰 赵旭东 宋亮亮 《中国集成电路》 2022年第7期60-64,共5页
由于Softmax函数涉及高精度自然指数和浮点除法计算,深度神经网络推理计算占用大量硬件资源,导致神经网络部署难题。本文提出一种浮点数量化和定点计算方法,只用定点加法、移位操作即可实现精度高的Softmax函数值计算,满足高效推理需求... 由于Softmax函数涉及高精度自然指数和浮点除法计算,深度神经网络推理计算占用大量硬件资源,导致神经网络部署难题。本文提出一种浮点数量化和定点计算方法,只用定点加法、移位操作即可实现精度高的Softmax函数值计算,满足高效推理需求。借助本文算法深度神经网络将易于部署到各种定点硬件平台,减少硬件资源占用,对神经网络部署应用启到促进作用。 展开更多
关键词 深度神经网络 Softmax函数 激活函数 定点 量化
暂未订购 下载PDF
基于Softmax函数增强卷积神经网络—双向长短期记忆网络框架的交通拥堵预测算法 认领 引用 被引量：26
4
作者 陈悦 杨柳 +3 位作者 李帅 刘恒 唐优华 郑佳雯 《科学技术与工程》 北大核心 2022年第29期12917-12926,共10页
对交通状态进行预测,需要准确识别和判断交通状态。基于道路自身的自由流速度,将具有不同速度等级的街道统一以旅行时间指数(travel time index, TTI)作为拥堵评价,相较于以车辆速度为基准的传统预测方法更能表现出道路的拥堵状态。提... 对交通状态进行预测,需要准确识别和判断交通状态。基于道路自身的自由流速度,将具有不同速度等级的街道统一以旅行时间指数(travel time index, TTI)作为拥堵评价,相较于以车辆速度为基准的传统预测方法更能表现出道路的拥堵状态。提出了一种改进的深度学习预测模型(CS-BiLSTM),该模型基于卷积神经网络(convolutional neural networks, CNN)和双向长短期记忆(bidirectional long short-term memory, BiLSTM),并结合Softmax函数增强CNN提取出的交通空间特征信息。最后以成都市出租车的全球定位系统(global positioning system, GPS)数据进行验证。结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比CNN-BiLSTM网络预测框架提升了13%。 展开更多
关键词 交通拥堵预测 旅行时间指数(TTI) 卷积神经网络(CNN) Softmax函数 双向长短期记忆(BiLSTM)
暂未订购 下载PDF
一种高效的Softmax函数计算方法及硬件电路 认领 引用 被引量：8
5
作者 刘海莹 乔瑞秀 +2 位作者 陈刚 鲁华祥 申荣铉 《微电子学与计算机》 2024年第2期91-100,共10页
针对现有Softmax函数硬件实现中存在的面积消耗大、速度慢、计算效率低等问题,设计一种高效的Softmax函数计算方法及硬件电路。提出一种稀疏化最大值计算方式,仅选择有效的输入值进行计算和存储,并采用动态移位更新最大值的方式将最大... 针对现有Softmax函数硬件实现中存在的面积消耗大、速度慢、计算效率低等问题,设计一种高效的Softmax函数计算方法及硬件电路。提出一种稀疏化最大值计算方式,仅选择有效的输入值进行计算和存储,并采用动态移位更新最大值的方式将最大值求取隐藏在流水线中,提高计算效率;优化分段线性拟合算法,避免乘法器的使用,减少了硬件资源开销。基于现场可编程门阵列(Field-Programmable Gate Array,FPGA)的语音识别实验的结果表明,本方法减少了60%的指数存储需求,同时减少了50%的Softmax计算时间。在45 nm互补金属氧化物半导体(Complementary Metal Oxide Semiconductor,CMOS)工艺下的逻辑综合实验表明,所实现的Softmax函数相较之前的工作,电路综合性能提升14%,面积减小51%。 展开更多
关键词 Softmax函数 分段线性拟合 稀疏计算方式 深度神经网络
暂未订购 下载PDF
基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法 认领 引用 被引量：7
6
作者 杨胜楠 赵建敏 +1 位作者 杨梅 赵宇飞 《黑龙江畜牧兽医》 CAS 北大核心 2024年第4期36-42,共7页
为了实现精准畜牧业生产及畜牧业保险理赔中牛只身份的准确识别,试验提出了基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法,即采用深度卷积神经网络(deep convolutional neural networks,DCNNs)模型提取特征,利用去偏置项SoftMa... 为了实现精准畜牧业生产及畜牧业保险理赔中牛只身份的准确识别,试验提出了基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法,即采用深度卷积神经网络(deep convolutional neural networks,DCNNs)模型提取特征,利用去偏置项SoftMax损失函数优化特征空间中的特征分布,提高特征线性可分辨性,解决特征归一化后在投影超平面上的重叠问题;采用紧致度量损失函数结合去偏置项SoftMax损失函数联合监督模型训练,使同类特征与类内特征的平均距离最小化,提高特征聚类的紧凑性和可辨识性,同时兼顾了类内样本分布的多样性;最后试验将本算法(去偏置项SoftMax和紧致度量损失函数联合监督算法)与ArcFace损失函数、标准SoftMax损失函数、去偏置项SoftMax损失函数、标准SoftMax损失函数结合紧致度量损失函数进行了性能对分分析。结果表明:本算法的识别准确率在所有模型中最高,为97.61%;且能对高相似度牛脸正确识别。说明基于去偏置项SoftMax和紧致度量损失函数的牛脸识别方法可满足牧场牛只身份识别要求。 展开更多
关键词 深度度量学习 身份识别 牛脸识别 去偏置项SoftMax损失函数 紧致度量损失函数 深度卷积神经网络
暂未订购 下载PDF
基于区间图像模糊Yager soft-max算子的多属性决策方法 认领 引用
7
作者 郝欣怡 陈岩 《计算机应用文摘》 2025年第21期71-74,77,共4页
基于区间图像模糊集的概念,扩展了其相关基本理论,针对属性评价值为区间图像模糊信息且权重未知的多属性决策问题,提出了相应的决策方法。首先,构建了区间图像模糊集的距离度量,并建立离差最大化模型以确定属性权重。其次,结合Yager范数... 基于区间图像模糊集的概念,扩展了其相关基本理论,针对属性评价值为区间图像模糊信息且权重未知的多属性决策问题,提出了相应的决策方法。首先,构建了区间图像模糊集的距离度量,并建立离差最大化模型以确定属性权重。其次,结合Yager范数与soft-max函数,提出了区间图像模糊Yager soft-max加权平均算子。再次,引入可能度测度,用以衡量区间图像模糊数的排序关系。最后,通过实际算例验证了所提方法的有效性。 展开更多
关键词 多属性决策 区间图像模糊集 Yager t-范数和t-余范数 soft-max函数 可能度
暂未订购 下载PDF
基于三支决策的两阶段实体关系抽取研究 认领 引用 被引量：4
8
作者 朱艳辉 李飞 +2 位作者 胡骏飞 钱继胜 王天吉 《计算机工程与应用》 CSCD 北大核心 2018年第9期145-150,共6页
实体关系抽取作为信息抽取研究的重要研究课题之一,对知识图谱数据层的构建有着重要的意义。提出一种基于三支决策的两阶段分类技术实现实体关系抽取,首先构建SVM三支决策分类器实现第一阶段实体关系抽取,采用softmax多分类函数作为三... 实体关系抽取作为信息抽取研究的重要研究课题之一,对知识图谱数据层的构建有着重要的意义。提出一种基于三支决策的两阶段分类技术实现实体关系抽取,首先构建SVM三支决策分类器实现第一阶段实体关系抽取,采用softmax多分类函数作为三支决策概率函数,然后采用KNN分类器对三支决策分类后的中间域样本进行二阶段分类。以ACE2005的语料作为实验数据,将三支决策两阶段分类结果与传统SVM方法分类结果进行比较,实验结果表明,基于三支决策的两阶段实体关系抽取方法取得了很好的分类效果。 展开更多
关键词 实体关系抽取 三支决策 支持向量机(SVM) K最近邻(KNN) softmax函数
暂未订购 下载PDF
判别卷积神经网络的手写字符识别模型 认领 引用 被引量：2
9
作者 屈喜文 吴响 +1 位作者 胡冕军 黄俊 《计算机工程与应用》 CSCD 北大核心 2023年第22期151-157,共7页
目前用于离线和联机手写字符识别的深度学习模型一般深度较浅,且使用softmax损失函数进行训练,缺乏从不同类样本中学习判别信息的能力。为构建更深层卷积神经网络模型,提出了一种编码器与解码器相结合的卷积神经网络模型,该模型可以有... 目前用于离线和联机手写字符识别的深度学习模型一般深度较浅,且使用softmax损失函数进行训练,缺乏从不同类样本中学习判别信息的能力。为构建更深层卷积神经网络模型,提出了一种编码器与解码器相结合的卷积神经网络模型,该模型可以有效增加网络深度,避免模型参数剧增导致训练困难的问题。为了进一步提高深度学习模型的识别精度,提出了一种判别损失函数,该损失函数通过最小化训练样本在全连接层的输出与该样本同类别优化原型之间的距离来训练神经网络模型。由于优化原型由最小化分类误差算法学习得到,使用判别损失函数训练的卷积神经网络模型具备了更强的判别能力。在公开的联机手写汉字数据集IAHCC-UCAS2016和离线手写字符数据集MNIST上进行对比实验,实验结果表明,在联机手写数据集上与softmax损失函数相比,判别损失函数的识别率提高了1.04个百分点。在两个数据集上,与现有的用于手写字符识别的传统模型和深度模型相比,提出的判别卷积神经网络模型识别率分别达到95.53%和99.73%,获得了更高的识别精度。 展开更多
关键词 手写字符识别 深度学习 softmax损失函数 优化原型 最小化分类误差算法
暂未订购 下载PDF
基于改进R-FCN算法与类激活图的销钉类缺陷细粒度检测 认领 引用 被引量：4
10
作者 孙劼 刘光 刘欢 《广东电力》 2023年第6期50-57,共8页
销钉类缺陷常见于输电线路无人机巡检图像中,因图像占比小、缺陷特征不明显等原因,其检测精度低于其他类缺陷。针对该问题,采用基于区域的全卷积神经网络(region-based fully convonlutional networks,R-FCN)算法建立目标检测网络,分析... 销钉类缺陷常见于输电线路无人机巡检图像中,因图像占比小、缺陷特征不明显等原因,其检测精度低于其他类缺陷。针对该问题,采用基于区域的全卷积神经网络(region-based fully convonlutional networks,R-FCN)算法建立目标检测网络,分析混淆矩阵,确定算法改进策略。首先,通过网格化拆分实现高清晰度图像的预处理;其次,构建类别平衡的大间隔Softmax损失函数,平衡样本数量,增大类间方差,改善网络检测精度;最后,通过类激活映射的方法生成金具级类激活图,提取螺栓背景信息,实现2类易混淆螺栓的细粒度分类。在无人机巡检图像数据集中进行测试,比较所提改进算法与其他经典算法的检测结果,验证了改进R-FCN算法对销钉类缺陷的检测能力。 展开更多
关键词 无人机图像检测 销钉类缺陷 大间隔Softmax损失函数 类别不平衡 类激活映射
暂未订购 下载PDF
基于改进池化层的弱标记声音事件检测 认领 引用 被引量：5
11
作者 刘淼 王晶 +1 位作者 董桂官 易伟明 《信号处理》 CSCD 北大核心 2021年第10期1907-1913,共7页
针对DCASE2017挑战赛任务4提供的大规模弱标记声音事件检测数据集,我们搭建了基于梅尔滤波器特征(Fbank)、卷积神经网络(CNN)以及循环神经网络(RNN)的多类别声音事件检测系统,分析了attention和linear softmax两种已有的常用池化层在神... 针对DCASE2017挑战赛任务4提供的大规模弱标记声音事件检测数据集,我们搭建了基于梅尔滤波器特征(Fbank)、卷积神经网络(CNN)以及循环神经网络(RNN)的多类别声音事件检测系统,分析了attention和linear softmax两种已有的常用池化层在神经网络反向传播中的部分推演过程,并在linear softmax池化层的基础上进行改进,提出了一种"指数可学习的幂函数softmax"池化层。实验结果表明,相比于DCASE竞赛中获得第一名的模型,应用"指数可学习的幂函数softmax"池化层的检测系统,将段级别的声音事件预测的F1值从0.556提高到0.652,帧级别预测的F1值从0.518提高到0.583,帧级别预测的error rate(ER)从0.730降低到0.667。 展开更多
关键词 弱标记 声音事件检测 池化层 指数可学习的幂函数softmax
暂未订购 下载PDF
基于LSTM的电炉控制器多语言文本数据预处理研究 认领 引用 被引量：2
12
作者 陈扬 周江 虞凌云 《工业加热》 CAS 2023年第12期34-37,42,共4页
由于单语言文本数据分析方法对于电炉控制器多语言文本数据的处理会产生特征干扰,从而导致数据分析准确率和召回率较低的结果,容易造成诸多不良影响。为此,提出基于ConvLSTM的电炉控制器多语言文本数据分析方法。利用离散傅里叶变换均... 由于单语言文本数据分析方法对于电炉控制器多语言文本数据的处理会产生特征干扰,从而导致数据分析准确率和召回率较低的结果,容易造成诸多不良影响。为此,提出基于ConvLSTM的电炉控制器多语言文本数据分析方法。利用离散傅里叶变换均值处理时间序列并进行能量计算,滤除噪声能量期望较大的电炉控制器多语言文本时间序列数据,并在此基础上对数据进行去噪处理,从而完成文本的清洗处理。通过双向LSTM层来提取特征信息,将特征引入池化层过滤得到深层特征,传输送至Softmax激活函数中,对处理后的电炉控制器多语言文本数据进行分类分析。实验结果表明,所提方法的电炉控制器多语言文本数据分析具有较高的准确率,且分析召回率及F1值均较高,具有一定的有效性。 展开更多
关键词 ConvLSTM 数据清洗 电炉控制器多语言文本 Softmax激活函数 数据分析
暂未订购 下载PDF
基于TensorFlow深度学习的Minist手写数字识别技术 认领 引用 被引量：9
13
作者 祝永志 张彩廷 《通信技术》 2020年第1期46-51,共6页
目前,人类手写字的识别问题成为了研究热点。针对手写体识别领域广泛使用的Minist数据集,基于深度学习中的Tensorflow框架,介绍了Softmax模型与卷积神经网络(Convolutional Neural Network,CNN)模型,并分析了CNN模型的激活函数。选择Re... 目前,人类手写字的识别问题成为了研究热点。针对手写体识别领域广泛使用的Minist数据集,基于深度学习中的Tensorflow框架,介绍了Softmax模型与卷积神经网络(Convolutional Neural Network,CNN)模型,并分析了CNN模型的激活函数。选择ReLUs函数代替传统的Sigmoid函数和Tanh双曲正切函数,提高识别过程中的收敛速度。此外,对上述两个模型进行实现,对比模型的识别准确度,以期为手写体数字识别的研究和发展提供参考。 展开更多
关键词 Tensorflow Softmax模型 CNN模型 激活函数 数字手写体识别
暂未订购 下载PDF
基于改进ResNet网络的有遮挡车牌识别 认领 引用 被引量：6
14
作者 关晓艳 李亚 《农业装备与车辆工程》 2022年第11期58-63,共6页
为了提高有遮挡车牌的识别准确率,提出一种改进深度残差网络(Deep residual network,ResNet)损失函数的车牌识别方法。首先运用图像平滑处理技术对图像特征进行增强,其次利用边缘检测算法实现对车牌的定位,然后基于先验知识按照标准车... 为了提高有遮挡车牌的识别准确率,提出一种改进深度残差网络(Deep residual network,ResNet)损失函数的车牌识别方法。首先运用图像平滑处理技术对图像特征进行增强,其次利用边缘检测算法实现对车牌的定位,然后基于先验知识按照标准车牌中各个字符的比例对车牌进行分割。在此基础上,运用改进后的ResNet网络对有遮挡车牌样本库进行训练以及识别,并采用同样样本大小的无遮挡车牌样本库进行对比实验。实验结果表明,改进后的ResNet网络采用有遮挡车牌样本库训练的模型具有较好的识别准确率,且更具有鲁棒性。 展开更多
关键词 车牌识别 车牌定位 字符分割 深度残差网络 Softmax损失函数
暂未订购 下载PDF
联合SSFs选择与图像去马赛克 认领 引用 被引量：1
15
作者 白晨燕 周化璇 《浙江工业大学学报》 CAS 北大核心 2024年第3期256-268,共13页
图像去马赛克(Demosaicking)是指将马赛克图像重建为RGB彩色图像的过程,其中马赛克图像的每个像素值只包含一个颜色通道,由单个颜色滤波阵列(Color filter array, CFA)来记录,而去马赛克的过程实际上是对马赛克图像每个像素缺失的两个... 图像去马赛克(Demosaicking)是指将马赛克图像重建为RGB彩色图像的过程,其中马赛克图像的每个像素值只包含一个颜色通道,由单个颜色滤波阵列(Color filter array, CFA)来记录,而去马赛克的过程实际上是对马赛克图像每个像素缺失的两个颜色通道进行估值。目前,研究者们虽然已经证实光谱敏感函数(Spectral sensitivity functions, SSFs)对去马赛克有影响,但是现有的SSFs研究大多只专注于通过深度学习进行联合SSFs设计和去马赛克的相关工作,不能保证所设计的SSFs的物理可制造性。基于此,提出联合SSFs选择与图像去马赛克的深度卷积神经网络,通过使用α-Softmax函数设计卷积层针对图像去马赛克任务对已有的SSFs进行选择,选择出对于去马赛克效果最优的SSFs。研究结果表明:使用α-Softmax函数方法能够通过训练一次选择唯一且最优的SSFs,联合方法对去马赛克效果有促进作用。因此,在设计CFA时可以通过使用α-Softmax函数首先选择出最优SSFs,以增强重建图像质量、降低制作成本。 展开更多
关键词 图像去马赛克 光谱敏感函数 深度卷积神经网络 α-Softmax函数
暂未订购 下载PDF
基于深度学习的番茄叶部病害识别模型 认领 引用 被引量：8
16
作者 许冠芝 王泽民 李成强 《微处理机》 2020年第3期30-36,共7页
番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病... 番茄叶病种类多、成因复杂,其预防和识别难度较大。传统基于机器学习的方法多靠人工识别,需要一定的专家经验,且具有主观性强、识别准确率不高等缺点。为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型。该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高维特征后,采用PCA降维算法去除冗余特征;从增大类间距离并减小类内距离的角度改进了softmax分类器,提高了识别准确率。将该模型在CrowdAI提供的数据集上进行了仿真验证,结果表明,该模型能够对番茄叶部常见10种病害进行自动提取特征和识别,综合识别准确率达到95%以上。 展开更多
关键词 番茄叶部病害 深度学习 卷积神经网络 PCA算法 Softmax函数
暂未订购 下载PDF
基于内卷神经网络的轻量化步态识别方法 认领 引用
17
作者 王红茹 王紫薇 Chupalov ALEKSANDR 《应用科技》 CAS 2024年第2期40-47,共8页
现有步态识别方法存在计算量大、识别速率较慢和易受视角变化影响等弊端,会造成模型难以部署、步态识别准确率降低等问题。针对以上问题本文提出一种基于内卷神经网络的高准确率步态识别方法。首先,基于残差网络架构和内卷神经网络算子... 现有步态识别方法存在计算量大、识别速率较慢和易受视角变化影响等弊端,会造成模型难以部署、步态识别准确率降低等问题。针对以上问题本文提出一种基于内卷神经网络的高准确率步态识别方法。首先,基于残差网络架构和内卷神经网络算子提出了内卷神经网络模型,该模型利用内卷层实现步态特征提取以达到减少模型训练参数的目的;然后,在内卷神经网络模型基础上,建立一个由三元组损失函数和传统损失函数Softmax loss组成的联合损失函数,该函数使所提出的模型具有更好的识别性能及更高的跨视角条件的识别准确率;最后,基于CASIA-B步态数据集进行实验验证。实验结果表明,本文所提方法的网络模型参数量仅有5.04 MB,与改进前的残差网络相比参数量减少了53.46%;此外,本文网络在相同视角以及跨视角条件下相比主流算法具有更好的识别准确率,解决了视角变化情况下步态识别准确率降低的问题。 展开更多
关键词 步态识别 内卷神经网络 残差网络 神经网络算子 内卷层 三元组损失函数 传统损失函数 联合损失函数
暂未订购 下载PDF
基于面部多个局部特征的人脸表情识别算法 认领 引用 被引量：3
18
作者 贾茜伟 闫娟 +1 位作者 杨慧斌 刘向前 《智能计算机与应用》 2022年第10期144-149,共6页
人脸面部表情通常来说可以显露出人的内心活动变化,目前现有的表情识别方法一般依靠面部的整体特征进行处理,没有考虑面部的一些局部特征,导致面部表情识别的准确度不理想。人的面部表情进行变化时,面部局部肌肉会随之变化,基于此,提出... 人脸面部表情通常来说可以显露出人的内心活动变化,目前现有的表情识别方法一般依靠面部的整体特征进行处理,没有考虑面部的一些局部特征,导致面部表情识别的准确度不理想。人的面部表情进行变化时,面部局部肌肉会随之变化,基于此,提出一种基于面部多个局部特征的人脸表情识别算法。本文首先对检测到的人脸进行面部分区,分为23个子区域,再将分好的区域输入到卷积神经网络中进行局部特征的提取。最终使用AM-softmax函数将表情分为中性、愤怒、厌恶、惊讶、高兴、悲伤和恐惧七类。评估实验在CK+和JAFFE数据集上对本文算法进行验证,得到的平均准确率分别是99.87%和96.72%,均超过S-Patches算法,该结果表明本文算法对表情识别性能有所提高。 展开更多
关键词 表情识别 面部分区 卷积神经网络 AM-softmax函数
暂未订购 下载PDF
基于深度学习的图像样本标签赋值校正算法实现 认领 引用 被引量：2
19
作者 舒忠 《数字印刷》 北大核心 2019年第4期38-45,73,共8页
本研究针对当前大量应用深度学习建构训练模型的图像识别算法中普遍存在的忽视图像样本标签预判及校正的问题,提出了在深度神经网络传输层模型构建中,引入对样本所对应标签值进行校正的深度学习算法。以神经元和传输层模型设计这两个关... 本研究针对当前大量应用深度学习建构训练模型的图像识别算法中普遍存在的忽视图像样本标签预判及校正的问题,提出了在深度神经网络传输层模型构建中,引入对样本所对应标签值进行校正的深度学习算法。以神经元和传输层模型设计这两个关键要素为基础,通过加入偏置量后具备非线性变换的Sigmoid激励函数设计神经元的结构模型,通过Softmaxloss损失函数计算样本标签出现的误差,并采用控制误差值趋近最少的机制,设计输出层模型。采用tensorFlow编程工具构建卷积神经网络进行迭代训练实验,实验结果表明,本研究提出的算法,有效地控制了因样本标签赋值错误出现频率和迭代次数不断增加而造成的识别准确率累加下降的问题,实验中图像识别准确率可达到96.91%以上。 展开更多
关键词 Sigmoid激励函数 Softmax分类函数 Softmaxloss损失函数 图像样本 卷积神经网络
暂未订购 下载PDF
基于时空双分支网络的行为检测与识别技术研究 认领 引用
20
作者 潘丹 林灵婷 +2 位作者 翁凌雯 李棋 常尧 《电子设计工程》 2023年第18期191-195,共5页
针对传统行为识别方法难以适应复杂的电厂环境,且未充分利用监控视频的时序信息等问题,提出了一种基于时空双分支网络的行为检测与识别技术。该技术利用时空双分支网络提取图像特征,分别基于卷积神经网络、循环神经网络获取图像的空域... 针对传统行为识别方法难以适应复杂的电厂环境,且未充分利用监控视频的时序信息等问题,提出了一种基于时空双分支网络的行为检测与识别技术。该技术利用时空双分支网络提取图像特征,分别基于卷积神经网络、循环神经网络获取图像的空域及时域特征,且使用混合组卷积与横向连接完成特征融合。同时将融合特征作为Softmax分类函数的输入,并经过分数计算得到行为类型。以某电厂的视频监控数据集为样本进行的实验分析结果表明,所提技术方案的行为识别准确率高达94%,且收敛速度快,优于其他对比技术,能够有效解决电厂的行为检测与识别问题。 展开更多
关键词 时空双分支网络 行为检测与识别 卷积神经网络 循环神经网络 混合组卷积 Softmax分类函数
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈