【摘 要】
：
图像分类是计算机视觉领域中最基础的研究课题之一。目前为止卷积神经网络被证明是解决图像分类任务最有效的方法之一。但随着网络层数的不断加深,目前卷积神经网络主要面临两个严峻的问题:一是由于数据集规模不足导致的过拟合问题;二是由于网络权重参数过多造成的参数冗余严重问题。本文针对以上两个问题进行了研究并提出了相应的解决方案。主要研究内容及解决方案如下:（1）在图像分类任务中,针对网络权重参数过多而数据量不
论文部分内容阅读
图像分类是计算机视觉领域中最基础的研究课题之一。目前为止卷积神经网络被证明是解决图像分类任务最有效的方法之一。但随着网络层数的不断加深,目前卷积神经网络主要面临两个严峻的问题:一是由于数据集规模不足导致的过拟合问题;二是由于网络权重参数过多造成的参数冗余严重问题。本文针对以上两个问题进行了研究并提出了相应的解决方案。主要研究内容及解决方案如下:（1）在图像分类任务中,针对网络权重参数过多而数据量不足引发的过拟合问题。本文提出了一种新的数据增强方法——随机缩放裁剪技术（Random Scaling Cutting,RSC）。该技术首先通过双线性插值法将图像放缩为固定尺寸,增加图像的尺寸多样性;然后再通过随机裁剪法将图片裁剪回原有尺寸,增加图像的位置多样性。本文将该技术与传统的随机裁剪技术在四个不同类型的数据集上进行了比较,结果显示该技术可以进一步提升网络的测试准确率。（2）针对图像分类任务中卷积神经网络被逐步加宽加深从而导致的权重参数大量冗余问题,本文提出了局部密集残差网络（Local Dense Residual Network,LDRNet）。该网络首先采用了更少的卷积核对输入特征进行提取,从而减少了网络权重参数量;其次将每次提取的特征拼接到一起,加强了网络不同层之间的信息流动性;然后用点卷积进行通道权重融合;最后采用恒等连接加和输入特征后进行输出,防止了梯度消失问题的发生。本文将该网络应用在四个不同类型的数据集上进行了测试并通过与一些经典的网络比较显示,LDRNet可以取得更高的测试准确率。（3）鉴于RSC技术和LDRNet都可以在一定程度上解决由样本不足引起的网络模型过拟合问题。因此本文又将RSC技术应用到了LDRNet上形成一种组合算法RSC+LDRNet,并将其应用在不同规模的数据集上。实验结果表明,RSC+LDRNet与其他方法相比较展现出更优的性能,尤其是在小规模数据集上采用该组合模型的测试准确率有明显的提升。
其他文献
智能化与信息化成为电网产业发展的必然趋势,国家“十三五”计划中更是明确了建设坚强智能电网的目标。电力需求侧管理作为智能电网建设的重要组成部分,是实行负荷管理的重要途径,能够实现负荷资源和发电侧资源的优化调度,能有效应对用户日益增长的用电负荷需求。分时电价作为需求侧管理中的一项重要经济措施在我国已经得到不断的推广和发展。随着智能电网和智能测量体系的不断建设,越来越多的用户参与到对分时电价的响应中来,
近年来公共卫生事件频发,食品安全问题日益受到人们的重视,质检与溯源成为关键环节。作为主食的大米,其品质检测及产地溯源至关重要。现有的检测手段以人工判别和化学分析为主,存在着检测速度慢、精度低的问题。本课题根据高光谱图像降维及分类算法,提出一种基于高光谱图像的大米产地及品种快速无损鉴别方法,具体工作如下:（1）针对高光谱图像谱间相关性强,信息冗余严重的问题,提出了一种基于波段分组叠加的最佳指数法和一
光纤材料绝缘性良好,抗电磁干扰能力强,具有传感通信的功能。超磁滞伸缩材料具有很高的耐热温度,磁致伸缩能力强,常用于精密加工与传感测量中。基于两种智能材料的优点设计了一种超磁致伸缩材料（Giant Magneto-strictive Material,GMM）和光纤布拉格光栅（Fiber Bragg Grating,FBG）相结合的光学电流传感器,GMM-FBG交流电流传感器。搭建了GMM-FBG交
人们在用相机获取图片时,由于摄像头景深的限制,往往无法获取到同一场景下的全聚焦图像。通常的做法是对不同的位置分别聚焦拍摄图像,然后把这两幅或两幅以上图像的各自清晰区域提取出来,组合成一张全聚焦、全清晰的图像,这就是多聚焦图像融合。经过多年的发展,多聚焦图像融合已经形成了基于变换域、空域、变换域与空域结合和深度学习四大类方法,每一类方法都有各自的优缺点。针对现有方法的不足,本文提出一种基于多尺度卷积
随着科技的迅速发展,传统的电力系统和现代传感技术、控制方法以及通信技术深度融合,形成了新型的智能电网系统。然而,智能电网系统出现了许多新的特性,如复杂性与开放性,使其成为了很多攻击者的目标。与传统的攻击相比,针对智能电网系统的攻击大多都具有一定隐蔽性,这类攻击可以绕过传统的检测机制,在不被检测的情况下,向系统中注入错误数据从而破坏电网系统的正常运行。本文针对智能电网的信息安全问题,利用Kalman
卷积神经网络是深度学习领域的重要分支,近年来出现了众多经典的卷积神经网络模型,残差卷积神经网络（ResNet）和Goog Le Net网络（Inception-ResNet-v2）便是最佳例子,文章主要依据其存在的不足之处对以上两种网络进行研究,并将其应用于图像分类任务。首先,ResNet通过恒等映射方法取得了非常好的图像识别效果,但在残差模块中,跨层连接线的布局并没有达到最优设置,造成信息的冗余
随着电力电子技术的发展,电力电子装置广泛应用于现代社会中。电力电子设备作为电网中主要的谐波源,其产生的谐波严重“污染”了电网环境,降低了电能传输和利用效率,影响系统稳定运行,严重阻碍了电力电子技术的发展。因此,治理电网谐波问题,维护电网“绿色”环境,已成为电力电子领域亟待解决的问题。目前,主要采用无源电力滤波器（Passsive Power Filter,PPF）和有源电力滤波器（Active P
气动加载技术是日常生活中常用的技术手段之一,但由于气体具有可压缩性、流动状态复杂、易受温度影响的特性,以及气动加载设备存在的非线性和时滞性的影响,实现气动加载系统精确建模和控制具有一定的难度。本文为了提高一套气动变载荷力加载系统的建模和控制的精度,对该系统进行了分数阶建模和利用分数阶控制器进行了控制。具体研究内容和研究成果如下:气动加载系统存在许多不确定性因素的影响。仅依靠数学建模难以获得精确的模
留抵退税是完善增值税制度的重要一环，同时也是我国正在实行的减税降费政策之一。文章在总结归纳留抵税款形成原因和梳理留抵退税政策发展进程的基础上，通过实地调研政策性留抵和经营性留抵的代表性企业，分析当前留抵退税政策的执行情况，并根据企业面临的实际问题提出相关留抵退税政策的阶段性完善建议。
推进大中小德育一体化建设是我国实现教育高质量发展的一项重要战略举措。吉林省红色文化资源富集，有着独特的育人价值。红色资源是可以融入德育一体化建设的，因为“政策驱动”“实践导向”“目标一致”等因素为其融入提供了一定的可能性。吉林红色资源有效融入大中小德育一体化建设的方案多种多样，具体可归纳为：创设红色文化情境，增强德育实践体验；整合红色旅游线路，协同横向德育资源；挖掘红色资源价值，培育学生主体意识，