序列矩阵表示的卷积网络编码的译码方法

从校验矩阵的角度对网络编码进行分析,给出其编译码的序列矩阵描述。这一方法可将确定型线性网络编码、随机线性网络编码以及卷积网络编码统一到同一矩阵序列结构中,为深刻理解网络编码提供一个新的视角。在此基础上,首次提出一种译码矩阵的求解方案,其复杂度为多项式时间,并给出可行性分析。还讨论了卷积网络编码的译码原理,并给出一些译码性质。最后,用例子简单说明序列矩阵描述的卷积网络编译码方法。

基于改进的UNet图像分割方法研究

针对部分图像中由于背景复杂和边缘模糊造成的分割不准确问题,提出了一种基于深度卷积神经网络的复杂图像分割方法,将语义分割的思想与图像检测相结合,使用编码-解码网络结构,基于UNet网络进行改进。编码器采用深度残差网络ResNet提取图像特征,解码器通过转置卷积进行特征的上采样,同时对编码器的特征进行裁剪操作,再与上采样的特征进行融合,融合后的特征既包含高维的抽象信息,也包含低维的细节信息,加强了网络对特征的学习。在公开数据集上的实验结果表明,该方法的分割准确率达到94%,准确率和召回率均达到80%以上。