残差连接相关论文
电子病历作为提升医生工作效率、实现诊断信息共享的重要载体近年来应用广泛,但其专业性特征与繁杂内容影响病历制作时效性,提高电......
锂离子电池常被作为储能元件以实现电能的存储和使用，精确地估算其健康状态（SOH）可以为电池的实际使用提供理论依据。然而，SOH无法被直......
眼底图像中视网膜血管的健康状况对早期诊断各种眼科疾病及糖尿病心脑血管疾病等具有重要意义，然而视网膜血管结构细微、边界模糊且......
近年来,随着陆地资源的逐渐减少,海洋成为了人类探索的目标。水下图像作为重要的信息载体,直观地反映水下环境信息,对海洋勘探、海......
多聚焦图像融合作为图像融合领域中一个重要的研究方向,能够克服光学镜头成像原理的局限,使整个场景中不同距离的物体都在一幅图像......
车标作为车辆生产厂家的标志信息,不易被更换且能够作为车辆身份的一种显著特征,在智能交通监管系统中有着极为重要的作用。并且,......
合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天候、全天时的特点,并且可获取高分辨率的地表图像。然而相干斑噪声影响了SAR图......
命名实体识别（Named Entity Recognition,NER）是自然语言处理任务中将非结构化文本转变为结构化数据的处理方式之一,NER模型性能的优......
卷积神经网络在许多图像处理问题中应用广泛.它针对图像中每一个像素点进行计算,经过多层卷积后得到的高层次特征,这些特征对于图......
针对高光谱图像中的“同谱异物”和“同物异谱”现象导致传统机器学习方法难以精确区分,以及深度学习模型处理高维遥感数据耗时较......
海洋环境的识别算法往往效果不佳,强烈的吸收作用以及悬浮粒子的散射对光线进行干扰,导致所捕获到的水下图像具有诸如色偏、图像模......
随着多媒体信息处理技术的蓬勃发展,多媒体信息的处理应用在人们的生活中变得越来越广泛。数字图像作为多媒体信息的一种重要形式,......
三维人体姿态估计是计算机视觉领域中的热门课题。三维人体姿态估计可以作为人体姿态识别、人体跟踪、行为识别等任务的基础,同时......
图像分类是图像分析与处理的重要环节,是计算机视觉领域研究的热点问题。传统的图像分类算法需要人工设计特征,缺乏良好的泛化性,......
图像是获取和传递信息的重要手段,在人类的生活中随处可见。图像分辨率的高低是评价一个图像质量的重要因素,分辨率高代表着图像更......
针对现有基于深度卷积神经网络模型的图像超分辨重建技术存在图像特征提取尺度单一和中间层次特征利用不充分等问题,提出了一种多......
相比于卷积神经网络,图卷积网络更适合处理不规则的点云数据,但其存在网络层数受限以及固定的标准化聚集方式影响点云语义分割结果......
针对三维卷积网络在训练样本较少时对高光谱图像的分类精度不理想问题,提出了一种高效的基于多特征融合和混合卷积网络的分类模型......
植物叶片识别与分类对植物保护与研究、生态环境保护、种子优劣鉴定、植物病害防护等具有十分重要的意义。植物叶片是植物外形特征......
互联网和移动互联网应用的快速发展带来了文本数据的爆炸式增长,使用人工方式分类和整理文本已经成为了不可能。如何在海量的文本......
神经病理性疾病作为一类极难治愈的疾病,每年威胁着成百上千人的生命健康安全,据研究表明,自闭症与婴儿在出生期脑部发育情况相关,......
图像内容中通常包含大量的文本信息。如果能够可靠准确地识别出图像中的文本信息,对于图像内容理解是非常有价值的。但是由于拍摄......
图像超分辨率重建(SR)是图像处理领域当中的一个重要分支,其研究与发展有着广泛的应用价值.超分辨率重建根据输入图像的数量可以分......
信息时代,互联网上拥有着海量的文本数据,为了方便的检索和利用这些文本数据,需要让计算机“理解”文本,理解语言的核心则是理解语......
针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承......
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积......
深度学习和迁移学习的兴起为树种识别提供了新方向,然而其在同树种内不同品质间木材识别仍存在挑战。为改善古筝面板品质分级现状,......
近年来,卷积神经网络(CNN)在单幅图像超分辨率重建领域(SISR)展现出良好效果。深度网络可以在低分辨率图像和高分辨率图像之间建立......
针对视频中部分行为时间跨度长,可能由于行为模糊或视频散焦导致信息受损的问题,提出一种具有残差连接的多级局部融合网络,以提高......
针对目前基于全局特征的图像描述模型存在细节语义信息不足的问题,提出结合全局和局部特征的图像中文描述模型.该模型采用编码器-......
提出了一种改进的卷积神经网络模型,在传统卷积神经网络中加入Inception模块,提取出图像的多尺度特征,同时引入残差连接,充分利用......
传统的时间序列缺失修复方法通常假设数据由线性动态系统产生,然而时间序列更多地表现为非线性。为此,提出了基于残差连接长短期记......
针对文本分类中卷积神经网络(CNN)无法获取文本全局特征、双向循环神经网络(BiLSTM)无法聚焦文本局部特征的问题,提出一种将CNN网......
针对高光谱图像标记样本量少,提取特征不充分以及提取到的特征不区分贡献度的问题,提出一个新型的DenseNet-Attention网络模型(DAN......
使机器自动描述图像一直是计算机视觉研究的长期目标之一.为了提高图像内容描述模型的精度,提出一种结合自适应注意力机制和残差连......
深度学习和迁移学习的兴起为树种识别提供了新方向，然而其在同树种内不同品质间木材识别仍存在挑战。为改善古筝面板品质分级现状，设......
语音作为人类交流的自然方式,其作为人机交互的手段拥有的先天优势。自动语音识别要为了让计算机能够“听懂”人类的语音,实现由语......
随着知识经济的到来,我国对知识产权的应用和保护工作日益加强。商标作为知识产权中不可或缺的组成部分,其保护的重要性是显而易见......
机器翻译是自然语言处理中的核心任务。当前的神经机器翻译模型主要是基于递归神经网络和卷积神经网络的深度网络模型,但仅仅使用......
图像分割是从图像处理到图像分析的关键步骤,分割结果的好坏直接影响后续图像分析的性能。遥感图像目标分割是图像处理中重要的应......
针对现阶段可用的睡眠脑电数据皆为类不平衡小数据集,深度学习模型的直接迁移应用所取得的分期效果较差的问题,分别从数据集重构和......
针对已有文本识别网络由于深度不够而识别准确率较低的问题,文中提出一种改进的端到端文本识别网络结构。首先,将文本作为序列,采......
为解决图像采集中噪声和复杂背景对图片的影响以及深度神经网络的高耗时问题,基于可能性聚类算法与卷积神经网络,提出一种道路交通......
