【摘 要】
：
针对轻量级深度神经网络MobileNet会减少分类准确率的问题,将空洞卷积核引入MobileNet模型的某一卷积层中,提出一种基于局部感受野扩张的D-MobileNet模型。该模型根据空洞卷积核所在位置的不同分为三种结构,在不增加参数数量的同时能够扩大该层卷积核的局部感受野,提高分类精度。实验在Caltech-101数据集、Caltech-256数据集以及图宾根大学动物分类数据库上进行,结果表明,
【机 构】
：
长沙理工大学计算机与通信工程学院,中国电信股份有限公司益阳分公司
【基金项目】
：
国防预研项目,国家自然科学基金资助项目(61070040),湖南省教育厅科研项目(17C0043)
论文部分内容阅读
针对轻量级深度神经网络MobileNet会减少分类准确率的问题,将空洞卷积核引入MobileNet模型的某一卷积层中,提出一种基于局部感受野扩张的D-MobileNet模型。该模型根据空洞卷积核所在位置的不同分为三种结构,在不增加参数数量的同时能够扩大该层卷积核的局部感受野,提高分类精度。实验在Caltech-101数据集、Caltech-256数据集以及图宾根大学动物分类数据库上进行,结果表明,D-MobileNet模型可获得比Mobile Net更好的分类准确率,最多可以提高2%。
其他文献
针对基于Gabor小波幅值与相位的人脸特征提取方法的特征级联方式使得特征向量维度较高的问题,提出了一种改进的Gabor小波变换特征提取算法。该算法计算局部幅值特征和局部相位特征,增强了每个像素的局部关联性;然后通过实验选定加权系数,将幅值特征与相位特征进行加权融合。实验结果表明,该算法与改进前的算法相比,降低了特征向量的维度,且提高了最终的人脸识别率。
现有目标检测算法主要以图像中的大目标作为研究对象,针对小目标的研究比较少且存在检测精确度低、无法满足实时性要求的问题,基于此,提出一种基于深度学习目标检测框架PVANet的实时小目标检测方法。首先,构建一个专用于小目标检测的基准数据集,它包含的目标在一幅图像中的占比非常小且存在截断、遮挡等干扰,可以更好地评估小目标检测方法的优劣;其次,结合区域建议网络(RPN)提出一种生成高质量小目标候选框的方法
针对在光照变化和强阴影干扰条件下的道路边缘检测问题,提出了一种对光照鲁棒的道路边缘检测算法。该算法结合导向滤波和抗阴影特征提取器,首先,采用导向滤波对图像的边缘进行增强,减少背景噪声干扰;其次,利用抗阴影道路特征提取器提取道路粗边缘轮廓;最后,采用模糊连通性分析,结合道路边缘全局信息将道路边缘分为远、近两部分,对提取的边缘点进行修正,并采用RANSAC进行拟合。实验部分采用ROMA数据集对算法进行
目的比较宫腔镜电切联合球囊、MTX联合米非司酮对部分性胎盘植入患者的疗效优劣差异。方法选择2014年4月~2015年12月我院接诊的50名中孕引产后部分性胎盘植入的患者,按随机抽
目的探讨宫腔镜电切手术在治疗子宫内膜息肉导致异常子宫出血中的临床应用及价值。方法选取我院2014年5月—2015年5月收治的子宫内膜息肉导致的异常子宫出血患者92例,按随机
针对目前左心室内外膜分割方法存在分割出的轮廓正则性差、分割心室膜模糊边缘不完全和分割效率低等问题,提出新双阱势函数和各向异性梯度矢量流(AGVF)改进水平集模型能量函数,用融合0水平集和k水平集的双水平集同时分割左心室内外膜的方法。首先,用改进Hough变化圆检测算法定位心室内外膜初始位置;然后利用双水平集模型同时分割内外膜。观察和对比分析实验结果,该方法能够分割出平滑的左心室内外膜轮廓;能够分割
目的观察急性心肌梗死出现症状后及时静脉溶栓治疗的效果,探讨不同时机静脉溶栓对疗效的影响。方法对38例确诊为急性心肌梗死且符合溶栓条件的起病〈6 h、6 h~12 h两个时间段
针对目前掌纹识别算法中对彩色掌纹图像的识别研究不多,提出一种新的基于Stein-Weiss函数解析性质的BP神经网络彩色掌纹图像的识别算法。首先为彩色掌纹图像中的每个像素点构建一个Stein-Weiss函数,再根据Stein-Weiss函数的解析性,计算出相应像素的16个特征值,将这些特征值输入到BP神经网络的输入层,通过BP神经网络的自学习能力对这些数据进行分类学习;然后通过BP神经网络的泛化能
在衡量图像之间的相关度时,图像的物理特征(颜色分布、灰度值等)所能表达的内容可能并非十分全面,因此有必要参考图像视觉所包含的语义信息衡量图像之间的相关度。为此提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)分类模型的度量图像相关度的方法,利用模型为图像绑定来自于Word Net的语义标签,并参照Word Net结构对标签进行过滤和扩展,
“人是如何学习的?”这一直是学习科学研究的问题。瑞典哥德堡大学教育学院教授Marton Saljo在基于学生学习过程的研究中,首次提出并阐述了深度学习与浅层学习这两个相对概念