特征融合
- 基于特征層融合的EEG-NIRS識別方法研究
曉歐關鍵詞：特征融合;卷積神經(jīng)網(wǎng)絡;雙向長短期記憶網(wǎng)絡;分類準確率0 引言（Introduction）隨著全球吸毒人員數(shù)量逐年攀升，吸毒正成為嚴重的全球性社會問題，而戒毒工作開展的前提是對吸毒人員的成癮程度進行評估。近年來，研究人員主要基于磁共振成像（MagneticResonance Imaging，MRI）、腦磁圖（Magnetoencephalography，MEG）、腦電圖（Electroencephalogram，EEG）和近紅外光譜（Near-
軟件工程 2024年1期2024-01-29
- 融合BERT和VGG模型多模態(tài)虛假新聞檢測方法研究
量集，并進行特征融合，運用SVM模型設計分類器實現(xiàn)多模態(tài)虛假新聞檢測識別。[結果/結論] 實證結果表明，實驗數(shù)據(jù)集F1值達到93%，相較于單獨使用BERT和VGG模型提升7%與9%，該方法具有較高的準確率和召回率，能夠有效地檢測虛假新聞。關鍵詞：虛假新聞檢測；特征提取；特征融合；多模態(tài)分析分類號：TP391引用格式：曾江峰， 王蕊， 黎欣雨， 等. 融合BERT和VGG模型多模態(tài)虛假新聞檢測方法研究[J/OL]. 知識管理論壇， 2023， 8（6）： 5
知識管理論壇 2023年6期2024-01-20
- 基于多尺度卷積神經(jīng)網(wǎng)絡的顯著性檢測方法
；特征提??；特征融合中圖分類號：TP389.1? ? ? ? 文獻標識碼：A文章編號：1009-3044（2023）31-0028-03開放科學（資源服務）標識碼（OSID） ：0 引言在當今互聯(lián)網(wǎng)飛速發(fā)展的時代，計算機視覺在電影、動畫、游戲創(chuàng)作、時裝設計等方面也快速發(fā)展，數(shù)字圖像已經(jīng)成為人們重要的溝通橋梁。圖片顯著性目標檢測作為計算機視覺領域的重要組成部分，被廣泛應用在當今社會的各個方面。例如，圖片自動剪裁[1]、圖片重定位[2]、目標識別[3]、人體跟
電腦知識與技術 2023年31期2023-12-25
- 基于時空雙流網(wǎng)絡的阿爾茲海默癥先兆動作識別方法
最后，對不同特征融合權重的模型性能進行比較，獲得了STADP的最優(yōu)工作參數(shù)。與2種模型的對比實驗結果表明：STADP的平均識別準確率、精確度、召回率以及F1值均優(yōu)于比較算法，分別為83.21%、84.61%、83.14%和82.14%。本研究將為日?；顒訑?shù)據(jù)驅(qū)動的阿爾茲海默癥先兆動作智能感知提供方法與實現(xiàn)手段。關鍵詞：阿爾茲海默癥；動作識別；雙流網(wǎng)絡；特征融合；日?；顒又袌D分類號：TP18文獻標志碼：A阿爾茲海默癥（Alzheimers disease，
貴州大學學報（自然科學版） 2023年5期2023-09-15
- 聯(lián)合引導式深度圖像超分辨的單目深度估計方法
種基于選擇性特征融合的引導式深度圖像超分辨率網(wǎng)絡模型，并將其與單目深度估計網(wǎng)絡模型結合在一個監(jiān)督學習框架下估計深度。在NYU-Depth-V2數(shù)據(jù)集上，以三種單目深度估計網(wǎng)絡模型開展實驗，結果證明該方法具有更好的深度邊界預測效果和較低的算力消耗指標。關鍵詞：單目深度估計；深度圖像超分辨；特征融合；編解碼結構中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）11-0011-04Monocular Depth Estima
現(xiàn)代信息科技 2023年11期2023-08-01
- 基于改進SSD的行人檢測算法
構造一種新的特征融合模塊以改善淺層特征語義信息不足的問題；最后，通過優(yōu)化原始先驗框的參數(shù)來生成適用于檢測行人的先驗框。實驗結果表明，改進后的算法在PASCAL VOC2007行人測試集上的平均精度達到82.96%，較SSD提高了3.83%，在小尺度行人測試集上提高了5.48%，同時檢測速度達到了69.2FPS，滿足實時性的要求。關鍵詞：單次多框檢測器（SSD）；行人檢測；注意力機制；特征融合中圖分類號：TP391.41 DOI：10.16375/j.cnk
廣西科技大學學報 2023年3期2023-07-17
- 基于YOLOv5和多尺度特征融合的學生行為研究
出一種多尺度特征融合的學生課堂行為識別方法。多次實驗結果表明，所提方法有效地提高了學生課堂行為識別的精度。學生課堂行為的智能化識別為教師掌握學生學情、改進授課策略提供了重要依據(jù)。關鍵詞：YOLOv5；學生行為；行為識別；目標檢測；特征融合中圖分類號：TP183? 文獻標識碼：A? 文章編號：2096-4706（2023）08-0096-04Abstract： In recent years， with the rapid development of sm
現(xiàn)代信息科技 2023年8期2023-06-25
- 基于融合特征及聚類分析的多尺度電力設備識別及定位
了一種基于多特征融合與聚類分析的深度神經(jīng)網(wǎng)絡檢測模型。該模型通過跳躍連接的信息通道快連邊緣、角度及語義等多重特征，并通過階段上采樣融合不同尺度信息，以此構建出待檢特征金字塔；然后對數(shù)據(jù)集進行聚類分析，利用金字塔中各尺度網(wǎng)絡對原圖像的映射比例計算出與目標最佳適配的區(qū)域生成框，最終得到適用于多尺度電力設備的檢測模型。通過對比實驗結果表明，本改進方法在檢測時能夠保持高精度并具有時效性，具備一定的工程實用價值。關鍵詞：深度學習；電力設備；多目標檢測；特征融合；聚類
現(xiàn)代信息科技 2023年3期2023-06-22
- FIRE-DET:一種高效的火焰檢測模型
地實現(xiàn)多尺度特征融合;第三，提出一種新的注意力機制（FIRE-Attention），讓檢測器對火焰特征更敏感．基于上述優(yōu)化，本文開發(fā)出了一種全新的火焰檢測器FIRE-DET，它在硬件資源有限的條件下能夠取得比現(xiàn)有基于深度學習的火焰檢測方法更高的檢測效率．FIRE-DET模型在自建數(shù)據(jù)集上進行訓練后，最終對火焰檢測的準確率和幀率分別達到97％和85 FPS．實驗結果表明，與主流算法相比，本文火焰檢測模型檢測性能更優(yōu)．本文為解決火焰探測問題提供了一個更通用的解
南京信息工程大學學報 2023年1期2023-06-14
- 基于SSD算法的行人檢測技術研究
Net50；特征融合中圖分類號：TP39文獻標志碼：A0 引言本文研究了以深度學習和卷積神經(jīng)網(wǎng)絡為基礎的SSD行人檢測算法，對于行人的檢測和提取是計算機視覺處理中十分困難的一項技術。SSD是深度學習出現(xiàn)之后提出的十分有效的檢測算法，它只在頂層進行檢測，而且是單級目標檢測算法。SSD算法參考了多種數(shù)據(jù)集，同時對多種不同分辨率的圖片進行檢測試驗，有效地提高了目標檢測的精度，而且是一個非常好用且簡單的單級目標檢測器。對于一些小目標的檢測，SSD在檢測精確度和檢測
無線互聯(lián)科技 2023年5期2023-05-24
- 基于特征融合的圖像超分辨率
本文采用全局特征融合的方法，對全局多層次特征進行聯(lián)合學習，充分利用各卷積通道特征，通過全局跳躍連接，使網(wǎng)絡更注重高頻信息的學習，并采用亞像素卷積實現(xiàn)上采樣重建，取得了更好的效果。關鍵詞： 圖像超分辨率； 特征融合； 卷積神經(jīng)網(wǎng)絡； 亞像素卷積中圖分類號：TP391.41? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）04-120-04Abstract： In recent years， deep convolutiona
計算機時代 2023年4期2023-04-13
- 基于改進SSD的口罩佩戴檢測算法
esNet；特征融合；數(shù)據(jù)增強新型冠狀病毒是人類面臨的第三次冠狀病毒大流行。2020年1月30日WHO宣布新冠肺炎疫情構成國際關注的突發(fā)公共衛(wèi)生事件。2020年3月13日，WHO評估認為新冠肺炎可被定為大流行病[1]。新冠疫情期間，佩戴口罩成為出入公共場合的行為規(guī)范。在機場、地鐵站、醫(yī)院等公共服務和重點機構場所規(guī)定需要佩戴口罩，口罩佩戴檢查已成為疫情防控的必備操作[2]。本文提出一種基于深度學習的復雜場景下口罩佩戴實時檢測算法。與人工現(xiàn)場監(jiān)督相比，基于深度
電腦知識與技術 2023年4期2023-03-24
- 基于YOLOv5的高速公路目標檢測算法的設計與實踐
題，引入三層特征融合機制，加強模型對淺層信息特征的提取能力;通過增加檢測頭，提高對小目標特征的提取能力。實驗結果表明，改進后的YOLOv5模型在自建數(shù)據(jù)集上mAP達到了0.68，Recall達到了0.64，對小目標有很好的檢測效果。關鍵詞：YOLO; 注意力機制;小目標檢測;特征融合中圖分類號：TP311? ? 文獻標識碼：A文章編號：1009-3044（2022）25-0103-04開放科學（資源服務） 標識碼（OSID） ：高速公路在現(xiàn)代交通占據(jù)著重要
電腦知識與技術 2022年25期2022-10-18
- 融合ReFPN結構與混合注意力的小目標檢測算法
種基于反饋的特征融合網(wǎng)絡ReFPN用于YOLOv4算法，兩次利用骨干網(wǎng)絡提取的原始特征層，加強小目標特征信息，對其進行更精確的位置回歸。同時提出混合注意力機制Co-AM充分提取小目標的細節(jié)特征信息，抑制無效特征，進一步提高小目標的檢測精度。實驗結果表明，此文提出的方法使YOLOv4算法在MS COCO數(shù)據(jù)集上平均精度AP提高了1.9%，小目標平均精度AP提高了3.3%，檢測效果優(yōu)于現(xiàn)有小目標檢測算法，證明了此文提出方法的有效性。關鍵詞：深度學習;小目標檢測
哈爾濱理工大學學報 2022年2期2022-05-25
- 基于N-grams和灰度圖特征融合的惡意代碼檢測方法
ms和灰度圖特征融合的方法檢測惡意代碼，解決了不同惡意代碼樣本大小不一的問題，而且從文本和灰度圖這兩個不同的維度提取惡意代碼的特征，提高了惡意代碼檢測的抗混淆能力，再使用k最近鄰、隨機森林、樸素貝葉斯和SVM算法檢測該方法，實驗結果表明融合特征比單特征的準確率高，且隨機森林的準確率達到98.71%。關鍵詞：惡意代碼;機器學習;特征融合;灰度共生矩陣;局部二值化中圖分類號：TP399? ? ? ? 文獻標識碼：A文章編號：1009-3044（2022）09-
電腦知識與技術 2022年9期2022-05-10
- 人工智能支持下基于特征融合的深度知識追蹤模型研究
問題，研究從特征融合的視角出發(fā)，提出一種融合測評行為和知識結構特征的深度知識追蹤模型。在該模型實現(xiàn)過程中，首先依據(jù)xAPI標準對測評行為數(shù)據(jù)進行采集;然后，采用決策樹算法對測評行為特征進行選擇，并利用知識傳播機制將知識結構融入模型;最后，基于長短期記憶神經(jīng)網(wǎng)絡對學習者的知識狀態(tài)進行追蹤。算法對比實驗和實際教學應用效果表明，該模型具有有效性和實用性。該模型在助力核心素養(yǎng)導向的教育評價以及優(yōu)化智慧學習環(huán)境中的智能導學等方面具有廣闊的應用前景。 [關鍵詞] 深
電化教育研究 2022年4期2022-04-28
- 多特征融合下視頻網(wǎng)站彈幕信息有用性檢測研究
本文提出了多特征融合下視頻網(wǎng)站彈幕信息有用性檢測模型。該模型首先從彈幕信息效用、彈幕表達形式和彈幕用戶特征3個角度提取與彈幕信息有用性相關的特征指標，然后利用隨機森林對重要特征進行選擇，建立機器學習模型邏輯回歸、SVM、決策樹、樸素貝葉斯、GBDT等對彈幕信息進行分類，得到各等級信息有用性的檢測結果。[結果/結論]從結果中顯示，集成模型（GBDT、LightGBM和XGBoost）相比于單模型算法展現(xiàn)了更好的優(yōu)越性。最后，根據(jù)研究結果提出相應的理論和實踐意
現(xiàn)代情報 2022年4期2022-03-30
- 基于反饋網(wǎng)絡的磁共振圖像超分辨率重建研究
辨率重建; 特征融合; 反饋網(wǎng)絡中圖分類號： TP391.4; TP183文獻標識碼： A磁共振成像（magnetic resonance imaging，MRI）[1]是一種非侵入式的活體成像技術，具有無輻射和對比度高等特點，被廣泛用于臨床診斷[23]。在磁共振掃描過程中，為避免運動偽影，要求患者長時間保持靜止狀態(tài)，這會加劇患者的不適。近年來，為縮短掃描時間和克服運動偽影，圖像超分辨率重建技術被引入磁共振成像中。圖像超分辨率重建技術[4]是一種利用給定的
青島大學學報（工程技術版） 2022年1期2022-03-25
- 基于多尺度特征融合與注意力機制的人群計數(shù)算法
同時檢測以及特征融合時多尺度特征信息丟失問題，提出多尺度注意力模塊，增強特征對高密度人群區(qū)域的關注。采用多尺度空洞卷積，結合提出的多通道特征融合模塊，提取更完善的多尺度特征，提高對不同尺寸人頭計數(shù)能力;利用密度圖回歸模塊，融合多尺度特征，減少了多尺度信息的損耗。實驗結果表明，本算法的計數(shù)結果更精確穩(wěn)定。關鍵詞：圖像處理;卷積神經(jīng)網(wǎng)絡;特征融合;注意力機制中圖分類號：STP291???????? 文獻標志碼：A近年來，城市化進程不斷推進，城市人口日益增多，各
青島大學學報（自然科學版） 2022年1期2022-03-16
- 基于改進級聯(lián)金字塔網(wǎng)絡的人體骨架提取算法
特征提取; 特征融合; 困難關鍵點挖掘; 目標關鍵點相似度文章編號： 2095-2163（2021）07-0054-06中圖分類號：TP391.41文獻標志碼： AHuman skeleton extraction algorithm based on improved cascaded pyramid networkHUANG You， ZHANG Na， BAO Xiao'an（School of Informatics Science and Tec
智能計算機與應用 2021年7期2021-12-07
- 基于YOLOv3的改進目標檢測算法
特征尺度進行特征融合，并使用k-means聚類重新確定錨框，同時增加一定的網(wǎng)絡層數(shù)。實驗在PASCAL VOC數(shù)據(jù)集完成，實驗結果表明，改進的YOLOv3算法檢測精度和召回率達到了75.3%和98.1%，較原算法分別提高了2.3%和0.7%。關鍵詞： YOLOv3; 目標檢測; 特征融合; k-means; PASCAL VOC中圖分類號：TP181? ? ? 文獻標識碼：A文章編號：1009-3044（2021）25-0028-03Abstract：Ob
電腦知識與技術 2021年25期2021-11-07
- 基于監(jiān)控視頻的人員異常行為識別系統(tǒng)研究
;特征提取;特征融合;行為分類引言人工智能得到了全世界科研人員的廣泛關注，應用于人機交互、視頻檢索、視頻監(jiān)控等領域的計算機視覺技術也在不斷進步[1，2]。人員異常行為識別系統(tǒng)在視頻監(jiān)控領域的應用，使得用于監(jiān)視異常行為的人力資源大大減少。人員異常行為識別系統(tǒng)的重點在于目標的行為特征提取，常用的方法包括基于時空特征、光流法、目標表觀特征等傳統(tǒng)算法，以及基于深度學習的三維卷積神經(jīng)網(wǎng)絡[3]。傳統(tǒng)算法與卷積神經(jīng)網(wǎng)絡相比較為簡單，為增加目標行為的識別率，一般需要將目
科技信息·學術版 2021年14期2021-10-21
- 醫(yī)療文本的小樣本命名實體識別
;聯(lián)合訓練;特征融合DOI：10.15938/j.jhust.2021.04.013中圖分類號：TP391.1文獻標志碼：A文章編號：1007-2683（2021）04-0094-08Abstract：Aiming at the problem that medical text named entity recognition lacks sufficient labeled data， a newly named entity recognition
哈爾濱理工大學學報 2021年4期2021-10-07
- 基于特征融合的信息系統(tǒng)易用性研究
問題，該文從特征融合視角進行用戶的特征提取和分析，依據(jù)訓練集進行參數(shù)估計，通過特征融合進行用戶特征數(shù)據(jù)處理分析，結合信息系統(tǒng)的特點和最小錯誤率貝葉斯決策理論，實現(xiàn)信息系統(tǒng)用戶分類。用戶特征融合分類能夠解決信息系統(tǒng)易用性評估中的情境缺失問題，通過結合提取的特征提升易用性評估的準確性。關鍵詞：易用性評估 ?特征融合 ?貝葉斯決策 ?用戶分類 ?情境分析中圖分類號：TP31? ? ? 文獻標識碼：A ????文章編號：1672-3791（2021）06（b）-0
科技資訊 2021年17期2021-09-29
- 基于RC-DBSCAN的車道線檢測研究
車道線檢測;特征融合;密度聚類;車道線類型識別;卡爾曼濾波中圖分類號：TP391.41;U463.6 ? ? ? ? ? ? ? 文獻標志碼：AResearch on Lane Detection Based On RC-DBSCANDENG Yuanwang PU Hongtao HUA Xinbin SUN Biao（College of Mechanical and Vehicle Engineering，Hunan University，Chang
湖南大學學報·自然科學版 2021年10期2021-09-14
- 航空發(fā)動機鼓風機機匣表面缺陷檢測
征圖;多尺度特征融合網(wǎng)絡（multilevel-feature fusion network， MFN）將多個尺度特征進行融合，以便包含更多的定位細節(jié);區(qū)域建議網(wǎng)絡（region proposal network， RPN）生成感興趣區(qū)域，每個感興趣區(qū)域由一個分類器和一個錨框回歸器組成的檢測器產(chǎn)生最終的檢測結果。然后分析了鼓風機機匣表面缺陷的特點，設計了新的檢測損失函數(shù)。最后利用公司采集的包含兩種典型缺陷（劃痕和污穢）的數(shù)據(jù)集，利用單張GTX 1080ti
科技創(chuàng)新導報 2021年13期2021-09-05
- 基于改進逆透視變換的車道線檢測算法
滑動窗口; 特征融合文章編號： 2095-2163（2021）03-0109-04 中圖分類號：U461.99 文獻標志碼：A【Abstract】Aiming at the problem that smart vehicles recognize the deviation of road lane lines under different environmental conditions， a lane line detection algorith
智能計算機與應用 2021年3期2021-08-09
- 一種基于面部紋理特征融合的人臉表情識別方法
LTP提取的特征融合到單個特征向量中;最后，采用多類支持向量機分類器把特征向量進行情感分類;最后，將提出的方法在3個公共表情圖像數(shù)據(jù)庫中與現(xiàn)有的表情識別方法進行對比實驗。結果表明，提出的方法在MMI，JAFFE，CK+數(shù)據(jù)庫上的正確識別率分別為98.28%，95.75%，99.64%，平均識別率比其他方法高出10%，優(yōu)于其他現(xiàn)有的方法。提出的表情識別方法，可有效促進人機交互系統(tǒng)的發(fā)展和計算機圖像理解的研究，對實現(xiàn)人體語言與自然語言的融合，以及語言與表情連接
河北科技大學學報 2021年2期2021-05-23
- 基于注意力機制的全卷積神經(jīng)網(wǎng)絡模型
在進行多尺度特征融合時，由于未能考慮不同尺度特征各自的特點進行充分融合，導致分割結果精度較低，針對這一問題，文章提出了一種基于注意力機制的多尺度特征融合的全卷積神經(jīng)網(wǎng)絡模型。該模型基于注意力機制對FCN-8S中的不同尺度特征進行加權特征融合，以相互補充不同尺度特征包含的不同信息，進而提升網(wǎng)絡的分割效果。文章模型在公共數(shù)據(jù)集PASCAL VOC2012和Cityscapes上進行驗證，MIoU相對于FCN-8S分別提升了2.2%和0.8%。關鍵詞：語義分割;
現(xiàn)代信息科技 2021年23期2021-05-07
- 基于改進特征融合的微表情識別方法
短時記憶網(wǎng)絡特征融合為依托的微表情識別方法，先介紹了相關的背景知識，再介紹了實驗的預處理過程、特征提取以及相應的特征融合的過程，將所得的結果用于實驗模型的預測分類。實驗結果表明，新模型具有更好的識別率。關鍵詞：微表情識別;特征融合;微表情分類;卷積神經(jīng)網(wǎng)絡;LSTM中圖分類號：TP3-0? ? ?文獻標識碼：A文章編號：2096-1472（2021）-04-26-04Abstract： Changes in micro-expressions are ve
軟件工程 2021年4期2021-04-18
- 基于空洞卷積神經(jīng)網(wǎng)絡的親屬關系驗證方法
度特征，經(jīng)過特征融合后使用鑒別器得到親屬關系驗證結果。算法在公開親屬關系數(shù)據(jù)集KinFaceW上進行測試，實驗結果表明，本文方法在親屬關系驗證的準確率上有良好的表現(xiàn)。關鍵詞：親屬關系驗證;深度特征;空洞卷積;特征融合中圖分類號：TP391? ? ?文獻標識碼：A 文章編號：2096-4706（2021）18-0071-05Abstract： In this paper， the kinship verification method based on de
現(xiàn)代信息科技 2021年18期2021-04-04
- 基于多特征融合的防爆自動導引車避障方法研究
一種改進的多特征融合方法，通過支持向量機分類實現(xiàn)實時行人目標檢測。實驗驗證該方法可以有效解決在不同光照條件下實現(xiàn)對行人目標的檢測，從而實現(xiàn)避障功能。關鍵詞：雙目視覺;行人檢測;避障;特征融合中圖分類號：TP29? ? ?文獻標識碼：AAbstract： This paper proposes an approach to applying image acquisition with "structured light + binocular vision
軟件工程 2021年3期2021-03-24
- 基于改進版的Faster RCNN的安全帽檢測及身份信息識別
測。關鍵詞：特征融合;安全帽檢測;多尺度檢測;Faster RCNN當前計算機圖像視覺技術是研究人工智能的一個熱門技術發(fā)展研究方向，圖像識別等新技術正逐步融入各行各業(yè)，包括國際金融、醫(yī)療、教育、家居等行業(yè)。在各個行業(yè)都已經(jīng)可以隨時看到，比如三維頭盔人體運動姿態(tài)監(jiān)測重建、跌倒狀態(tài)監(jiān)測，以及汽車駕駛員疲勞運動監(jiān)測、行為自動識別等諸多功能?；谝陨蠋讉€原因，本文提出了一種基于最新改進技術faster rcnn的智能頭盔疲勞檢測行為識別智能算法。采集戴頭盔和不戴頭
科學與財富 2021年29期2021-03-01
- 融合Multiscale CNN和BiLSTM的人臉表情識別研究
（BN）層與特征融合處理，從而加快網(wǎng)絡的收斂速度，有利于特征信息的重利用，再將兩者提取到的特征信息進行融合，最后將改進的正則化方法應用到目標函數(shù)中，減小網(wǎng)絡復雜度和過擬合。在JAFFE和FER2013公開數(shù)據(jù)集上進行實驗，準確率分別達到了95.455%和74.115%，由此證明所提算法的有效性和先進性。[關鍵詞]多尺度卷積神經(jīng)網(wǎng)絡;雙向長短期記憶;特征融合;批標準化層;正則化[中圖分類號]TP 391.41[文獻標志碼]A[文章編號]10050310（20
北京聯(lián)合大學學報 2021年1期2021-02-22
- 紅外可見光圖像協(xié)同的弱光場景語義分割方法
輸入到自適應特征融合模塊中進行增強與融合。接著將多源特征分別饋送入解碼器進行處理，輸出可見光與紅外圖像的獨立語義分割結果。最后將自適應融合多源特征的數(shù)據(jù)送入多源特征聚合模塊，并與不同模態(tài)的特征進行聚合解碼，輸出融合多源特征的語義分割結果。實驗結果表明，在弱光場景下，該方法具有良好的分割效果，并在PST900數(shù)據(jù)集下較其他方法有較為優(yōu)異的性能。關鍵詞：語義分割;可見光圖像;紅外圖像;特征融合;弱光場景1 語義分割方法為了結合可見光圖像與熱紅外圖像的特征，本文
電子樂園·下旬刊 2021年3期2021-02-08
- 基于Xception網(wǎng)絡的無人機森林火災監(jiān)測方法
全卷積網(wǎng)絡;特征融合一、引言森林資源在社會發(fā)展和建設過程中起到了很重要的作用，它不僅可以為野生動物提供棲息地，還可以為人們提供生活所需要的木材和產(chǎn)品，另外一方面還可以調(diào)節(jié)氣候、防止風沙、保護水源。森林發(fā)生火災時，能夠及時迅速地發(fā)現(xiàn)并采取有效的滅火方法對于森林防火來說具有重要意義。傳統(tǒng)的森林火災檢測辦法[1]有觀測塔檢測、衛(wèi)星檢測、人工巡檢等。觀測塔的檢測范圍小，存在監(jiān)控死角的問題。人工巡檢的方法通常需要大量勞動力，而且受環(huán)境因素的影響，很容易發(fā)生危險。衛(wèi)星
消防界 2021年24期2021-01-13
- 基于深度學習與特征融合的人臉識別算法
于深度學習和特征融合理論提出一種人臉識別算法。首先，分析了人臉識別的行業(yè)發(fā)展現(xiàn)狀;其次，闡述了深度神經(jīng)網(wǎng)絡的原理并分析了各種模型的特征;再次，提出一種人臉特征融合算法;最后，在實驗中，以不同膚色、人種、性別的人臉圖像為實驗對象，驗證了所提出算法在多種條件下的有效性。關鍵詞：深度學習;卷積神經(jīng)網(wǎng)絡;特征融合;人臉識別中圖分類號：TP 242.3文獻標志碼：A文章編號：1007-757X（2020）11-0005-04Abstract：In recent ye
微型電腦應用 2020年11期2020-12-23
- 融合RGB-D信息的三維物體識別算法
特征提取; 特征融合; 準確率提升中圖分類號： TN911.73?34; TP391 ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）23?0024?06Abstract： Object recognition is a key link of image processing. The complementarily of different modal features
現(xiàn)代電子技術 2020年23期2020-12-23
- 基于多源特征融合的無砟軌道砂漿層脫空病害檢測方法
一種基于多源特征融合的無砟軌道砂漿層脫空病害檢測方法。該方法將彈性波與探地雷達兩種特征進行量化分析，并將量化結果利用特征堆棧的方式實現(xiàn)特征融合，最后利用支持向量機完成病害融合特征的分類識別。在無砟軌道實體結構上采集大量的脫空病害數(shù)據(jù)并測試該文方法，實驗結果驗證了該文算法對脫空病害檢測的有效性。關鍵詞： 無砟軌道; 病害監(jiān)測; 特征融合; 量化分析; 特征堆棧; 分類識別中圖分類號： TN911.23?34? ? ? ? ? ? ? ? ? ? ? ? ?
現(xiàn)代電子技術 2020年22期2020-12-07
- 基于M-C-G神經(jīng)網(wǎng)絡的多文檔自動摘要方法
合，提出基于特征融合、CNN和GRU的多文檔摘要方法（M-C-G）。首先對30種不同主題的新聞網(wǎng)頁進行數(shù)據(jù)清洗，使用word2vec工具訓練詞向量模型，根據(jù)多種特征計算得到初步摘要結果;然后把8.3萬條搜狐新聞語料文本數(shù)據(jù)輸入帶有CNN和GRU的Seq2Seq模型上訓練;最后把初步摘要結果輸入模型進行測試，得到最終摘要結果。實驗結果表明，在ROUGE評測體系中采用該方法比現(xiàn)有方法準確率至少提高約2%，可有效幫助用戶尋找有價值的文本信息。關鍵詞：特征融合;深
軟件導刊 2020年10期2020-12-01
- 基于特征融合的語句級情感傾向性研究
提出一個基于特征融合的語句級情感傾向識別方法，對文本中語句的多標記情感傾向進行識別。實驗結果表明，該方法在語句情感傾向識別上取得了令人滿意的效果。關鍵詞： 情感分析; 主題特征; 特征融合; 情感傾向中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2020）10-19-04Abstract： At present， there have been lots of researches on sentence
計算機時代 2020年10期2020-11-09
- 基于無監(jiān)督圖嵌入算法的虛假評論檢測
同時將評論人特征融合為作弊先驗，有效地篩選出了有對產(chǎn)品進行虛假評論的評論人。關鍵詞 虛假評論檢測;圖嵌入;無監(jiān)督學習;特征融合針對虛假評論檢測問題，本文構建評論人圖結構模型，使用無監(jiān)督圖嵌入算法（node2vec）將評論人圖中的節(jié)點嵌入到低維向量空間中，使得圖中的評論人節(jié)點轉(zhuǎn)化為向量，通過計算評論人之間的Frobenius距離以估計評論人在向量空間中的距離，以此衡量評論人的作弊度并排序。1相關算法1.1 node2vec算法node2vec算法[1]是圖嵌
科學與信息化 2020年26期2020-10-09
- 基于特征融合與冗余剔除的普洱茶種類電子鼻識別方法
結果表明，多特征融合比單一特征提取的LDA普洱茶種類識別結果更佳，但識別精度仍有待提高。剔除冗余特征前，PLSR對普洱茶種類識別訓練集、測試集的R2分別為0.864 5、0.834 5;采用SCA-PLSR剔除弱相關特征31、35、24、39、36、33后，PLSR對訓練集、測試集識別的R2分別為0.885 2、0.864 3;采用MIT結合PLSR剔除重復信息特征6、7、14、18、22、25后，PLSR對訓練集、測試集識別的R2分別為0.918 7、0
江蘇農(nóng)業(yè)科學 2020年16期2020-09-24
- 基于核相關濾波器的運動目標跟蹤算法研究
應;抗遮擋;特征融合1相關濾波跟蹤原理1.1 相關濾波在信號領域，兩個信號的相似程度稱之為相關性。將相關的概念運用到跟蹤里，就是得到一個模板跟蹤器，將模板與跟蹤目標進行相關檢測，最終得到最相關的目標區(qū)域完成跟蹤[1]。1.2 核相關濾波實際問題大多都是非線性回歸問題，直接求解非線性問題非常困難，所以經(jīng)常使用非線性變換將現(xiàn)實中的這類問題轉(zhuǎn)化為核空間的線性問題來簡化。這個非線性變換可以用一個變換函數(shù)來實現(xiàn)將低維空間映射到高維核空間。核相關濾波跟蹤算法首先對第一
科學與信息化 2020年23期2020-09-06
- 基于特征融合與支持向量機的人臉活體檢測技術
度;SVM;特征融合中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2020）05-0046-020引言近年來，隨著計算機視覺技術的成熟，人臉識別的準確性已經(jīng)完全能夠滿足身份驗證系統(tǒng)的要求，逐漸被廣泛應用在各種場景下，包括刷臉支付、門禁系統(tǒng)、安檢系統(tǒng)等。但是基于人臉識別的身份驗證系統(tǒng)有可能受到照片、視頻、3D模型、面具等偽造攻擊手段的威脅。為了保障系統(tǒng)安全性，需要首先對接受驗證的人臉進行活體檢測，判斷該人臉是否為真實人臉。目前主流的人
數(shù)字技術與應用 2020年5期2020-08-04
- 優(yōu)化多核SVM的蛋白質(zhì)二級結構預測
構信息，基于特征融合思想構建特征向量，并使用一種基于多核支持向量機的方法，以多個核函數(shù)的線性加權代替?zhèn)鹘y(tǒng)的單一核函數(shù)，在對多類特征進行整合后構造SimpleMKL分類模型;利用梯度下降法迭代求解核函數(shù)的權值系數(shù)，并校準核函數(shù)參數(shù)和不同特征表達的融合效果。實驗結果表明，該方法提高了蛋白質(zhì)二級結構分類精度，在分類精度方面有明顯優(yōu)勢，有助于準確預測蛋白質(zhì)的二級結構。關鍵詞： 蛋白質(zhì); 二級結構預測; 多核支持向量機; 特征提取; 特征融合; 線性加權中圖分類號：
現(xiàn)代電子技術 2020年8期2020-08-03
- 基于顏色通道融合特征的現(xiàn)勘圖像分類算法
特征提取; 特征融合; 訓練分類器; 實驗分析中圖分類號： TN911.73?34; TP391.41? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）04?0067?06Crime scene investigation image classification algorithm based on colorchannel fusion featuresLIU Ying1，2，
現(xiàn)代電子技術 2020年4期2020-07-23
- 基于雙流獨立循環(huán)神經(jīng)網(wǎng)絡的人體動作識別
和時間網(wǎng)絡的特征融合采用加權求和的方式，最后用softmax對動作進行分類。在3D骨架動作數(shù)據(jù)集（NTU RGB+D）以及交互數(shù)據(jù)集（SBU Interaction Dataset）上驗證了模型的有效性。關鍵詞： 人體動作識別; 雙流網(wǎng)絡; 獨立循環(huán)神經(jīng)網(wǎng)絡; 特征提取; 特征融合; 模型驗證中圖分類號： TN915?34; TP391.4? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?37
現(xiàn)代電子技術 2020年4期2020-07-23
- 基于深度學習的單階段目標檢測算法研究綜述
;特征提取;特征融合;anchor;損失函數(shù); 人工智能中圖分類號： TJ760; TP18 文獻標識碼：A文章編號：1673-5048（2020）03-0044-100 引言目標檢測是計算機視覺領域的重要問題之一，是完成目標跟蹤、場景理解等復雜視覺任務的基礎，在視頻監(jiān)控、智能交通等領域中應用廣泛。目標檢測的任務是判斷圖像中是否存在屬于指定類別的目標，如果存在，則給出目標的類別和位置信息。由于圖像中目標的類別、數(shù)量、位置、尺度和外觀變化較大，一般而言，目標
航空兵器 2020年3期2020-07-16
- 基于特征融合的復雜場景多目標跟蹤算法研究
源特征提取與特征融合的多目標跟蹤算法。為提高目標在復雜背景下的空間分辨力，充分利用對異類物體判別能力較強的高層特征和針對同類不同物體判別能力較強的淺層特征，提高復雜背景下地物目標的識別能力。同時，為了解決物體被遮擋后導致跟蹤算法丟失目標問題，利用濾波器獲得追蹤目標的空間尺度大小，提高跟蹤算法的準確性與可靠性。實驗表明，多目標跟蹤算法識別目標的準確性可達87.5%，誤差在±2.31%左右，具有良好的尺度估計效果。關鍵詞：機器視覺;特征融合;目標跟蹤;尺度估計
軟件導刊 2020年4期2020-06-19
- 基于注意力機制和特征融合的SSD目標檢測算法
注意力機制和特征融合的SSD算法。該算法在原始SSD模型的基礎上，通過將全局池化操作作用于高層的不同尺度的特征圖上，結合注意力機制篩選出需要保留的信息。為提高對小目標的檢測精度，本文引入反卷積和特征融合的方式，提高對小目標的檢測能力。通過在PASCAL VOC數(shù)據(jù)集上的實驗表明，該算法有效的提升了對小目標識別的準確率，改善了漏檢的情況，大幅度提升了檢測精度和算法的魯棒性。關鍵詞：?注意力機制;SSD算法;全局平均池化;特征融合;PASCAL VOC數(shù)據(jù)集中
軟件 2020年2期2020-06-09
- 基于CNN與SVM結合的融合特征人臉識別研究
支持向量機;特征融合;人臉識別Abstract：In view of the limitations of face recognition in terms of sample size and robustness，a face recognition model based on CNN and SVM is proposed. By constructing CNN model for training，feature maps from diff
現(xiàn)代信息科技 2020年19期2020-06-08
- 基于視覺注意機制的行人重識別技術研究
;深度學習;特征融合中圖分類號：TP391.41文獻標識碼：A文章編號：1003-5168（2020）05-0055-02Abstract： In the intelligent video surveillance scene， due to different camera angles， lighting conditions， and attitudes， the appearance of the same pedestrian in diffe
河南科技 2020年5期2020-05-03
- 圖像重構和特征融合下的人臉識別方法分析
對圖像重構和特征融合下的人臉識別方法進行深入分析，希望文中內(nèi)容對于人臉識別技術的發(fā)展，以及相關工作人員都可以有所幫助。關鍵詞：圖像重構;特征融合;人臉識別;計算機技術中圖分類號：TP391 文獻標識碼：A 文章編號：1671-2064（2020）01-0032-02人類識別技術就是對特定技術和手段進行適當應用，對個人身份進行適當標識，識別人的身份，進而完成相應監(jiān)督、管理、控制等各項工作內(nèi)容的一種先進技術，其在具體應用期間也取得了不錯應用效果。隨著科技的快速
中國科技縱橫 2020年1期2020-04-20
- 基于場景相似性和光流的人群異常檢測方法
特征提取; 特征融合; 行為建模; 對比試驗中圖分類號： TN911.23?34; TP391.4 ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）02?0090?07Method of crowd anomaly detection based on scene similarity and optical flowMA Guoxiang1， YANG Wenzhong2， W
現(xiàn)代電子技術 2020年2期2020-03-04
- 一種基于多類特征融合的車輛識別方法
，驗證了多類特征融合在提高車輛識別準確率方面的有效性，對研究道路交通安全具有重要意義。關鍵詞： 車輛識別; 特征提取; 特征降維; 特征融合; 歸一化處理; 交通安全中圖分類號： TN911.73?34; U471.15 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）01?0031?04A vehicle recognition method based on multi?cl
現(xiàn)代電子技術 2020年1期2020-03-03
- 基于改進SSD的目標檢測方法
接;FPN;特征融合;BatchNorm中圖分類號： TP391.41 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.01.007本文著錄格式：欒浩，王力，姜敏，等. 基于改進SSD的目標檢測方法[J]. 軟件，2020，41（01）：2935【Abstract】： In order to improve the accuracy and stability of object detection， a
軟件 2020年1期2020-03-02
- 基于語義強化和特征融合的文本分類
于語義強化和特征融合的（LAC）分類模型。該模型首先將Word2vec嵌入的詞向量輸入LSTM進行句子語義的提取，然后將提取的語義特征輸入Attention層進行特征的強化，同時用卷積層提取文本的局部特征，其次把強化的語義特征和利用卷積層提取的局部特征進行融合，最后經(jīng)池化層對特征進行降維，并將經(jīng)池化后的特征向量輸入到全連接層，引入Dropout防止過擬合，得到最終的分類結果。由于CNN提取特征時存在忽略上下文信息的弊端，所以提出用LATM提取上下文信息，然
軟件 2020年1期2020-03-02
- 基于特征融合CNN模型的ECG信號識別方法研究
頻統(tǒng)計特征;特征融合DOI：10. 11907/rjdk. 201231????????????????????????????????????????????????????????????????? 開放科學（資源服務）標識碼（OSID）：中圖分類號：TP301 ? 文獻標識碼：A ??????????????? 文章編號：1672-7800（2020）011-0046-04Research on ECG Signal Recognition Meth
軟件導刊 2020年11期2020-01-05
- 基于特征融合的人臉表情識別研究
出了一種基于特征融合的人臉表情識別方法。從兩方面對表情信息進行描述，通過局部二值模式（Local Binary Pattern，LBP）和詞袋模型（Bag Of Words，BOW）分別對表情圖像進行紋理特征和語義特征提取，然后將兩種特征進行線性融合，最后使用支持向量機（Support Vector Machine，SVM）進行表情分類識別。本文方法在JAFFE和CK+表情數(shù)據(jù)集上分別取得了98.76%和97.58%的識別率，驗證了所提出方法的有效性。關鍵
軟件工程 2019年12期2019-12-24