共查询到20条相似文献，搜索用时 15 毫秒
1.
本文主要研究了 Fn,* ∈ 时 W* F e(x,x+ z]的一渐近表达式 ,F ,W均为分布函数 . 相似文献
2.
3.
经典的欧氏空间中的卷积如下给出。对f∈L1（Rn）和g∈Lp（Rn），
Tf（g）（x）∶f*g（x）=∫Rnf（x-y）g（y）dy.
这样的卷积在分析、物理和工程上都有广泛的应用。经典的Young不等式表明，对1≤p≤∞，Tf:Lp（Rn）→Lp（Rn）是有界线性算子。得到限制在一个闭超曲面（欧氏空间中的余维数为1的紧致无边连通正则子流形）上的卷积的Lp模估计的大小。更精确地说，把Young不等式推广到了闭超曲面上。 相似文献
4.
合成孔径雷达( SAR)目标识别在军事和民用领域都具有重要的研究价值。但由于SAR数据获取成本高、样本数目少,传统的卷积神经网络提取目标特征的能力不足,准确率低下。提出结合卷积注意力和胶囊网络的分类模型,利用胶囊网络中的多维向量神经元表示目标更多的特征;同时,考虑到少样本情况下目标特征信息缺乏,为提高神经网络的学习效率,对胶囊网络加入注意力机制,通过学习不同特征的重要程度,引导分类网络重点关注对分类结果贡献大的特征,弱化对分类结果贡献小的特征,提高神经网络的学习效率。针对MSTAR数据集和实测车辆数据集的实验结果表明,该算法的准确率高于传统的卷积神经网络和胶囊网络算法。 相似文献
5.
6.
传统指纹纹型分类算法的准确率直接受到相应特征提取算法的影响.在海量指纹库中，同类纹型指纹形态变化明显增大，不同类纹型界限变得模糊，仅通过人工定义的特征进行分类很难适应全部指纹数据.为解除纹型分类问题与人工定义的特征提取问题的耦合，提出一种直接在指纹原图上进行纹型识别的算法.利用卷积神经网络自动特征提取的能力从大量指纹数据中学习得到纹型特征，并通过对训练数据的设计使网络能够适应指纹的多样性，提升算法的鲁棒性.此外，多尺度网络模型平均方法使分类准确性得到进一步提升.在国际公开指纹数据集NIST DB4上测得纹型四分类准确率达94.2%. 相似文献
7.
对于单幅遥感光学图像，目前已经有很多有效的色彩校正算法，但是这些算法需要人工经验或对场景的先验知识，无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题，提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方法DCN（dense convolutional networks）。该模型可以预测遥感图像的RGB通道的颜色校正系数K，从而对原始图像进行自动色彩校正。DCN使用稠密模块代替部分卷积层，用更少的层数实现更多的连接。DCN模型由3 000幅GF-2号遥感图像在Tensorflow框架上训练得到，损失函数为颜色校正系数向量与真值向量之间的色偏角θ。经过测试验证，校正后的图像与原图像仅有很小的色偏角，且与真实地物颜色吻合。与传统方法相比，该方法在训练后，可直接使用生成的模型对训练集中未出现的图像进行颜色校正，无需对场景的先验知识和人工经验，也无需参考图像，可实现对海量遥感光学图像的自动化色彩校正。与传统的卷积神经网络CNN（convolutional neural networks）相比，基于DCN的模型拥有更少的参数和更好的泛化能力，而且不受输入图像大小的限制，在测试集上有更好的结果。 相似文献
8.
本文在CCS环境下编写（3,2,2）卷积编解码代码,以TMS320VC5510DSP为硬件仿真平台,对（3,2,2）卷积编解码进行了半实物仿真。仿真结果表明,（3,2,2）卷积编解码译码正确可行,能有效解码数据。 相似文献
9.
三维显微图像复原方法通常分为两类:邻域法和三维去卷积法。本文详细介绍了邻域法的基本原理;对邻域法公式中参数c,α的不同选择和相应的复原结果进行了评价,通过仿真实验得出了考虑不同切片数时c,α的最佳选择以及不同显微成像系统所需考虑切片数M的最佳选择。与三维去卷积法相比,邻域法具有简单、计算量小,容易实现等优点,适合于观察活的生物和进行实时连续观察。 相似文献
10.
刘怡娣 《长春教育学院学报》2013,(5):98-99
通过基本方法将概率论中用于求两个连续型随机变量商的概率密度函数的卷积公式进行了推广,推广后的公式可以用于求形如Z=kX/Y(k≠1)的二维连续型随机变量函数的概率密度函数。文章对推广后的公式首先给出了证明,然后将推广后的公式应用于求解具体的例子,从而验证公式的有效性。 相似文献
11.
人体解析针对图像中人体不同部位进行语义分割，是近年来计算机视觉领域中的一个重要研究课题。不同于场景中的一般物体，人具有高度的结构化特征，并存在复杂的姿态变化和衣物遮挡情况。针对这一任务，提出一种基于卷积神经网络的层次化标签结构的人体解析方法。首先对精细的标签按照类别进行不同程度的合并，获得多个层级的解析图；然后改进具有金字塔特征抽取结构的卷积神经网络，使用解析图对金字塔不同层级的特征进行监督；最后将所有层级特征进行融合得到解析结果。在人体解析数据集LIP上的实验验证，与当前通用的语义分割算法相比，该算法可获得更高的人体解析准确性并改善了图像的分割效果。 相似文献
12.
无参考视频质量评价是指在不借助原始无损参考视频信息的条件下,对于给定的任意一段视频,直接评测出其质量程度。传统的无参考视频质量评价方法大都基于统计分析,绝大多数都针对特定的视频失真类型,对视频的时域信息考虑较少,导致现有的基于统计分析的方法应用范围局限,实时性较差。提出一种融合视频时空信息的基于卷积神经网络的无参考视频质量评价方法。该方法不针对特定失真类型。将方法分为空域和时域两部分进行处理,空域上提出一种基于卷积神经网络的方法学习空域失真特征,时域上设计一组基于邻帧块结构相似度的特征用以表征视频的时域失真信息。最后将视频的时空特征进行融合,送至线性回归模型进行视频质量的预测。实验表明,所提方法的多项指标均达到主流视频质量评价方法的性能,且方法运行速度大大提高,显示出较好的实时应用前景。 相似文献
13.
通过对SB算法在搜索方向上的改进,使原算法由于近似而产生较大误差时可以自动得到校正,达到了快速与准确的和谐统一;利用两种算法对中国科学院国家天文台拟建的日像仪进行了仿真.结果显示,改进算法的重建图像分辨率得到明显提高而时间效率与原有算法相当,大量仿真则证明了算法收敛的稳定性。 相似文献
14.
在利用主动学习方法进行高光谱图像分类时，往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题，提出一种结合卷积神经网络的主动学习方法进行高光谱图像分类。该方法首先提取像素的空间邻域组成训练样本，通过卷积神经网络对样本的空间特征和光谱特征进行学习并对数据进行初步分类；然后，基于高光谱图像的空间相似性和光谱相似性，对无标注样本进行标注，并将其加入标注训练集以提高分类器的分类精度。在Salinas、PaviaU和Indian Pines这3个高光谱数据上的实验结果表明，该方法能在较少标注样本的情况下，有效提高高光谱图像的分类精度。 相似文献
15.
为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network, FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.920 9,召回率为0.981 8,平均交并比为0.799 1,在视频检测中每秒钟检测的帧数为78～80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。 相似文献
16.
合成孔径雷达（synthetic aperture radar,SAR）自动目标识别过程主要包括目标特征提取和分类器训练两个步骤。提出一种基于深度卷积神经网络（deep convolutional neural networks,DNNs）的SAR自动目标识别方法,使用一类优化的DNNs网络结构对SAR图像目标进行分类训练。该网络结构自动提取目标类别特征,避免人工预选取特征方法带来的不标准性。在DNNs网络模型训练过程中引入迁移学习的概念,以防止结果陷入局部最优解和加快模型参数的训练。最后使用美国运动和静止目标获取与识别MSTAR数据集进行试验,给出该方法与其他分类方法结果的对比,证明其取得较高的分类正确率。 相似文献
17.
由于实际环境中各种噪声的干扰,语音识别的准确率会受到不同程度的影响,因此,鲁棒性技术已成为语音识别的一个研究热点。其中,并行模型组合方法 (PMC)在提高模型对环境的适应性方面发挥着重要作用。分析了PMC中如何解决其技术难点的一些方法,并作了相应的优化改进,从而使PMC方法能适用于较为复杂的实际情况。实验利用了剑桥大学的HTK语音识别工具包,并加入自行开发的算法,可用于对 0～ 91 0个中文数字组成的数字串进行连续语音识别。结果表明,在不同的噪声环境下,新的PMC技术能显著提高识别率. 相似文献
18.
基于深度学习方法的建筑物自动提取具有精度高、速度快的技术特点,对城市规划、防灾减灾等的行业应用具有重要意义。针对高分辨率遥感影像建筑物自动提取,引入深度学习特征功能模块和传统遥感应用技术验证环节,形成不同骨架模块、UNet++网络和真实性检验的建筑物遥感提取功能模块嵌合的深度学习业务化应用技术体系,通过VGG、ResNet和Inception等传统卷积网络模型骨架对基础网络进行改造,提升模型运行效率,强化模型特征学习能力,通过真实性检验验证算法的有效性、适用性,展示完整的遥感应用技术链条。以Mnih公开的马萨诸塞州建筑物数据集为数据源,和传统非全卷积网络模型和全卷积网络模型等方法进行对比分析,结果表明通过增加模型深度和宽度可以有效提升模型建筑物提取效果,基于InceptionV3-UNet++骨架模型在召回率、准确度、CSI、F1分数、Kappa系数和总精度表现最为优秀,分别达到85.14%、90.50%、0.7816、0.8774、0.8504和95.57%,并在WHU数据集上验证了它的鲁棒性。该方法在建筑物提取结果和细节上都有显著提高,特别是对复杂不规则建筑物的提取上,将极大促进真实、复杂、大场景高分辨率影像的建筑物提取遥感应用。 相似文献
19.
当前，基于时序特征提取的农作物遥感分类方法需要较多先验知识及人工干预，难以自动化，且易因忽略部分有效特征而导致精度降低。针对这些问题，提出基于时序光谱重构的卷积神经网络农作物分类法。为充分利用时间序列多光谱中丰富的作物物候与多光谱信息，对每个地面像元构造以时间维为纵轴、光谱维为横轴的时序光谱图，采用Adam梯度下降法与Dropout 40%连接率优化后的卷积神经网络对时序光谱图进行分类。对比实验结果表明，该方法可有效减少“椒盐”噪声的产生，且地块边界轮廓线清晰，总体分类精度达到95.12%，高于时间序列多光谱+随机森林（88.58%）、时间序列NDVI+随机森林（90.25%）、时间序列NDVI+卷积神经网络（91.79%）等对照实验组；对于“异物同谱”现象明显的春玉米与番茄，该方法的F1-score分别达到95.9%与89.9%，相比各对照组均有较大幅度的提高。该研究结果可为遥感农作物的自动化精细制图提供参考。 相似文献
20.
总有机碳含量（TOC）是烃源岩评价的重要指标。传统的TOC预测模型有ΔlogR和BP神经网络，但是ΔlogR的拟合精度较低，BP神经网络容易陷入局部最优。针对这些问题，提出一种基于卷积神经网络（convolutional neural network，CNN）预测烃源岩TOC的方法。以鄂尔多斯盆地杭锦旗地区上古生界泥质烃源岩为研究对象，通过对比实验验证该方法的有效性。实验结果表明，CNN可用于TOC预测，且预测精度高于ΔlogR和BP神经网络。利用CNN对108口钻井的山1段和太原组泥岩的TOC值进行预测，并结合沉积微相做出TOC平面图，发现研究区的东南部和中部的沼泽沉积微相的TOC值较高，分流河道沉积微相的TOC值较低。TOC值的平面分布与沉积微相分布在整体上具有良好的匹配关系，显示了CNN方法计算TOC的可行性。 相似文献