期刊文献+
共找到316篇文章
< 1 2 16 >
每页显示 20 50 100
Three-Stage Transfer Learning with AlexNet50 for MRI Image Multi-Class Classification with Optimal Learning Rate
1
作者 Suganya Athisayamani A.Robert Singh +1 位作者 Gyanendra Prasad Joshi Woong Cho 《Computer Modeling in Engineering & Sciences》 SCIE EI 2025年第1期155-183,共29页
In radiology,magnetic resonance imaging(MRI)is an essential diagnostic tool that provides detailed images of a patient’s anatomical and physiological structures.MRI is particularly effective for detecting soft tissue... In radiology,magnetic resonance imaging(MRI)is an essential diagnostic tool that provides detailed images of a patient’s anatomical and physiological structures.MRI is particularly effective for detecting soft tissue anomalies.Traditionally,radiologists manually interpret these images,which can be labor-intensive and time-consuming due to the vast amount of data.To address this challenge,machine learning,and deep learning approaches can be utilized to improve the accuracy and efficiency of anomaly detection in MRI scans.This manuscript presents the use of the Deep AlexNet50 model for MRI classification with discriminative learning methods.There are three stages for learning;in the first stage,the whole dataset is used to learn the features.In the second stage,some layers of AlexNet50 are frozen with an augmented dataset,and in the third stage,AlexNet50 with an augmented dataset with the augmented dataset.This method used three publicly available MRI classification datasets:Harvard whole brain atlas(HWBA-dataset),the School of Biomedical Engineering of Southern Medical University(SMU-dataset),and The National Institute of Neuroscience and Hospitals brain MRI dataset(NINS-dataset)for analysis.Various hyperparameter optimizers like Adam,stochastic gradient descent(SGD),Root mean square propagation(RMS prop),Adamax,and AdamW have been used to compare the performance of the learning process.HWBA-dataset registers maximum classification performance.We evaluated the performance of the proposed classification model using several quantitative metrics,achieving an average accuracy of 98%. 展开更多
关键词 MRI TUMORS CLASSIFICATION alexnet50 transfer learning hyperparameter tuning OPTIMIZER
下载PDF
基于改进AlexNet卷积神经网络人脸识别的研究
2
作者 蔡靖 谷承睿 +1 位作者 刘光达 孙慧慧 《电子技术应用》 2024年第11期42-46,共5页
近期,人脸识别技术在社会上广受关注,其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域,由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间,因此提出采用改进的AlexNet卷积神经网络... 近期,人脸识别技术在社会上广受关注,其非接触式的识别特性相较于指纹等传统接触式识别方法展现出明显优势。在深度学习领域,由于传统卷积神经网络在人脸识别任务上的准确性和速度尚有提升空间,因此提出采用改进的AlexNet卷积神经网络进行人脸识别。通过实验验证,与传统卷积网络相比,改进后的AlexNet在人脸识别上不仅准确度更高,而且识别过程更为稳定。 展开更多
关键词 深度学习 卷积神经网络 人脸识别 alexnet
下载PDF
基于AlexNet的农作物病虫害识别研究
3
作者 张娜 刘坤 杨国栋 《计算机与数字工程》 2024年第2期554-558,621,共6页
农作物病虫害症状的检测和鉴定是保证农作物良好生长的前提条件,是人们能够准确、及时地制定防治方案和采取相关措施,切实减轻病虫害的发生。于是提出了以Alexnet为基础的农作物病虫识别方法,首先对采集到的病虫和健康叶片图像进行归档... 农作物病虫害症状的检测和鉴定是保证农作物良好生长的前提条件,是人们能够准确、及时地制定防治方案和采取相关措施,切实减轻病虫害的发生。于是提出了以Alexnet为基础的农作物病虫识别方法,首先对采集到的病虫和健康叶片图像进行归档分类,然后对建立好的数据集进行尺寸归一化和数据强化等预处理,最后对训练集采用Alexnet模型进行训练,经过5次训练,实验证明其准确率可达96.93%,该方法能较好地识别农作物病虫害,具有较好的鲁棒性和较高的精确度。 展开更多
关键词 病虫害识别 alexnet 图像识别 卷积神经网络
下载PDF
基于AlexNet网络的枸杞分级识别模型研究
4
作者 何雪妮 柴烨 刘锦伟 《兰州职业技术学院学报》 2024年第5期93-96,共4页
枸杞是一味传统中药材,具有很高的营养价值,被广泛应用于保健领域。基于AlexNet网络的枸杞分级模型采用深度学习技术,利用AlexNet网络模型实现对枸杞的分类识别,从而快速、准确地检测枸杞的外在质量。通过实验验证,该模型能够有效提高... 枸杞是一味传统中药材,具有很高的营养价值,被广泛应用于保健领域。基于AlexNet网络的枸杞分级模型采用深度学习技术,利用AlexNet网络模型实现对枸杞的分类识别,从而快速、准确地检测枸杞的外在质量。通过实验验证,该模型能够有效提高枸杞分级的准确性,可为提高中药材的质量监测效率提供有力的技术支持。 展开更多
关键词 alexnet 枸杞 分级 深度学习
下载PDF
基于AlexNet模型的大闸蟹自动分级系统设计与实现
5
作者 黄旭 吴开龙 曾孟佳 《智慧农业导刊》 2024年第8期5-8,12,共5页
针对目前大闸蟹人工分级方法的局限性,设计基于Matlab图像处理的大闸蟹分级系统。首先,在湖州市太湖养殖基地采集不同等级大闸蟹背部和腹部图像,对采集的图像进行灰度化、阈值分割、形态学等预处理。然后利用卷积神经网络AlexNet模型提... 针对目前大闸蟹人工分级方法的局限性,设计基于Matlab图像处理的大闸蟹分级系统。首先,在湖州市太湖养殖基地采集不同等级大闸蟹背部和腹部图像,对采集的图像进行灰度化、阈值分割、形态学等预处理。然后利用卷积神经网络AlexNet模型提取大闸蟹公母特征,利用面积法计算其大小。通过选取的10只大闸蟹的重量和系统计算得到的像素转化为面积参数,分析得到大闸蟹背部图像像素占比与其重量成近似正比例关系,因此可根据背部图像的计算值得到其大小特征。根据大闸蟹公母、大小特征完成分级。实验结果表明,系统在大闸蟹公母识别方面平均准确率达到92.655%,大小分级方面平均准确率达到95%。 展开更多
关键词 大闸蟹 分级 alexnet模型 MATLAB 图像处理
下载PDF
基于改进AlexNet模型的滚动轴承故障诊断方法 被引量:1
6
作者 华金榜 杨文军 +2 位作者 程志林 温洪泉 曾良才 《农业装备与车辆工程》 2024年第8期88-94,共7页
针对传统方法难以提取滚动轴承故障特征、诊断精度不佳且模型结构复杂等问题,提出一种改进Alexnet模型的滚动轴承故障诊断方法。首先,将滚动轴承各故障振动信号转化为富含时频信息的二维特征图样本集,按一定比例划分为训练集与验证集;... 针对传统方法难以提取滚动轴承故障特征、诊断精度不佳且模型结构复杂等问题,提出一种改进Alexnet模型的滚动轴承故障诊断方法。首先,将滚动轴承各故障振动信号转化为富含时频信息的二维特征图样本集,按一定比例划分为训练集与验证集;然后针对AlexNet模型中存在的模型训练速度慢、准确性不高等缺点进行改进,使用ImageNet图像数据集对改进模型进行训练,并保存训练过程获取的知识;最后将保存的训练信息迁移应用于改进模型对轴承故障数据集的诊断。通过改进前后模型对部分cifar-10图像数据集的训练与验证情况证明了改进模型的优化效果,对比常见网络模型对轴承10类别故障诊断情况,所提方法具有更好的诊断效率和诊断精度。 展开更多
关键词 滚动轴承 故障诊断 改进alexnet模型 迁移学习 时频特征图
下载PDF
基于AlexNet-SVM模型微型钢球表面缺陷快速识别方法
7
作者 栗琳 王仲 吴秀丽 《制造技术与机床》 北大核心 2024年第3期161-167,共7页
微型钢球由于高反射、球体需要全覆盖的特点,其表面缺陷的质量控制尤为困难。针对人工检测方法效率低且准确度不足的问题,文章提出一种改进的AlexNet的卷积神经网络和SVM模型的钢球表面缺陷快速识别方法。该模型删减了后3个卷积层,保留... 微型钢球由于高反射、球体需要全覆盖的特点,其表面缺陷的质量控制尤为困难。针对人工检测方法效率低且准确度不足的问题,文章提出一种改进的AlexNet的卷积神经网络和SVM模型的钢球表面缺陷快速识别方法。该模型删减了后3个卷积层,保留全连接层FC7提取的特征,采用SVM代替原始Softmax分类器以防止过拟合,提高模型泛化能力。此外,研究了基于K-CV的改进网络搜索算法确定分类器最佳参数。实验采用混淆矩阵对提出模型的识别结果进行性能评估,结果表明,该方法平均准确率达到99.43%,运算时间为17.2 ms。对比原模型及其他网络模型,具有较高的准确度和推理速度,能够满足工业现场检测的需求。 展开更多
关键词 微型钢球 卷积神经网络 alexnet SVM 表面缺陷检测
下载PDF
基于AlexNet的手势动作识别系统设计
8
作者 李小真 许玉婷 +2 位作者 刘忠超 杨旭 俞洋 《中国仪器仪表》 2024年第10期40-43,共4页
为了帮助听力、语言障碍的人群和他人做到无障碍交流,本文设计了一种基于AlexNet卷积神经网络手势动作识别系统。首先,利用已知的美国手语数据集作为训练数据;之后,使用Pytorch深度学习框架搭建AlexNet网络架构,进行数据训练,以便得到... 为了帮助听力、语言障碍的人群和他人做到无障碍交流,本文设计了一种基于AlexNet卷积神经网络手势动作识别系统。首先,利用已知的美国手语数据集作为训练数据;之后,使用Pytorch深度学习框架搭建AlexNet网络架构,进行数据训练,以便得到已训练好的手势识别模型。最后,使用Pyqt5设计手势动作识别系统。结果显示,本系统具有页面简洁、方便用户操作等特点。 展开更多
关键词 手势动作 alexnet 识别系统 卷积神经网络
下载PDF
基于改进AlexNet的红外图像行人姿态识别 被引量:2
9
作者 赵丹 郭姗姗 +3 位作者 计尚冉 谢雨晴 方子睿 单巍 《廊坊师范学院学报(自然科学版)》 2024年第1期23-28,共6页
针对传统红外图像行人姿态识别准确率低下的问题,在经典AlexNet网络的基础上,提出一种改进型AlexNet网络。该网络设定输入红外图像的尺寸为227×227×3,包含5个卷积层、3个池化层、3个全连接层和1个输出层。同时,减小卷积核提... 针对传统红外图像行人姿态识别准确率低下的问题,在经典AlexNet网络的基础上,提出一种改进型AlexNet网络。该网络设定输入红外图像的尺寸为227×227×3,包含5个卷积层、3个池化层、3个全连接层和1个输出层。同时,减小卷积核提取更精细的特征,减少节点数防止过拟合,删除分组和随机失活神经元操作获得更快的提取和计算速度。实验结果表明,与流行的GA-CNN、CNN-SVM、CNN-MLP、CNN-RF算法对比,改进网络的Mean Precision、Mean Recall和Mean F1等性能指标均优于对比算法。 展开更多
关键词 改进型alexnet 红外图像 姿态识别 深度学习
下载PDF
基于改进1D-AlexNet的海面小目标高维特征检测
10
作者 施赛楠 姜苏桐 《信号处理》 CSCD 北大核心 2024年第6期1098-1110,共13页
目前,海面小目标已成为海洋雷达探测的重点和难点。这类目标具有低信杂比和弱机动性,导致传统检测器性能损失严重,出现检测概率低和虚警率高的问题。为了有效探测目标,常常需要雷达具备长时观测的能力,从而提高目标回波的信杂比。新体... 目前,海面小目标已成为海洋雷达探测的重点和难点。这类目标具有低信杂比和弱机动性,导致传统检测器性能损失严重,出现检测概率低和虚警率高的问题。为了有效探测目标,常常需要雷达具备长时观测的能力,从而提高目标回波的信杂比。新体制下全极化雷达可保证足够的观测时间,且进一步拓宽信息的维度。为此,本文提出一种基于改进1D-AlexNet的新检测方法,通过充分挖掘全极化雷达的回波信息,全面提高海面小目标探测能力。首先,从时域、频域、时频域、极化域,提取24个有效特征,他们综合反映了海杂波和含目标回波在功率、分形、几何、散射等方面的差异性。其次,联合所有特征构建一个高维特征空间,并将传统二元检测问题转换为高维特征空间中的两分类问题。随后,从结构和参数两个层面,设计一种改进1D-AlexNet的两分类器,用于检测小目标。在结构层面,将传统二维AlexNet模型降低到一维并进行层数精简化,从而加快模型的训练速度。在参数层面,引入具有自适应调整斜率的激活函数,保证模型的稳定性。同时,将幂指数衰减函数替代固定学习率,进一步提高模型的分类精度。最后,通过IPIX实测数据验证,结果表明:相对现有的特征检测器,所提出的检测器具有最佳的检测性能,并在复杂的杂波环境下仍能保持稳健性。此外,改进后的分类器结构简单,训练速度快,有望应用于实际雷达快速探测中。 展开更多
关键词 海杂波 目标检测 高维特征 alexnet模型
下载PDF
干扰背景下基于改进AlexNet的无人机信号识别方法
11
作者 姚志成 张冠华 +2 位作者 王海洋 杨剑 范志良 《电光与控制》 CSCD 北大核心 2024年第6期14-18,80,共6页
复杂电磁环境下非合作无人机图传信号易被干扰覆盖,传统检测手段难以有效识别,为此提出了一种基于改进AlexNet模型的无人机图传信号识别方法。该方法针对干扰覆盖场景下图传信号的时频图像特征,对AlexNet模型进行改进优化,通过拆分卷积... 复杂电磁环境下非合作无人机图传信号易被干扰覆盖,传统检测手段难以有效识别,为此提出了一种基于改进AlexNet模型的无人机图传信号识别方法。该方法针对干扰覆盖场景下图传信号的时频图像特征,对AlexNet模型进行改进优化,通过拆分卷积核、减少全连接层节点数、增加全局平均池化层,在不增加计算复杂度的情况下加深了网络结构,有效提升了图传信号识别能力。在内场微波暗室和外场真实环境中,分别制备了不同干扰强度下的时频图像数据集以训练模型,结果表明,在信干噪比(SINR)为-15 dB时改进AlexNet模型仍可保持90%以上的验证准确率,而且相比于其他CNN模型,可将单位训练时间缩短1 s以上。 展开更多
关键词 电磁干扰 无人机信号识别 时频谱图 alexnet模型
下载PDF
基于改进的AlexNet的无人驾驶研究
12
作者 张锐戈 张瑞 张安陈 《消费电子》 2024年第5期18-21,共4页
本研究利用空间金字塔池化(Spatial Pyramid Pooling,SPP)和全局平均池化(Global Average Pooling,GAP)优化传统的AlexNet架构,并将其应用于无人驾驶汽车的视觉识别系统中。这项研究旨在提高无人驾驶车辆通过摄像头感知环境的准确性和... 本研究利用空间金字塔池化(Spatial Pyramid Pooling,SPP)和全局平均池化(Global Average Pooling,GAP)优化传统的AlexNet架构,并将其应用于无人驾驶汽车的视觉识别系统中。这项研究旨在提高无人驾驶车辆通过摄像头感知环境的准确性和效率。首先,笔者对AlexNet算法进行了改进,集成了SPP和GAP。SPP的引入使网络能够更有效地处理不同尺寸的图像,得到改进的AlexNet-SG网络,从而捕捉更多的空间信息。GAP的应用减少了模型的参数数量,从而降低了过拟合的风险并加快了训练速度。这些改进不仅增强了模型的泛化能力,还提高了网络对复杂场景的识别能力。本研究使用真实世界的交通环境数据对改进后的模型进行了测试,实验涵盖了多种交通场景,包括直车道、弯车道、人行道等。研究结果表明,AlexNet-SG在处理复杂交通场景时的表现明显优于原始模型,特别是在识别距离和准确率方面取得了显著提升。 展开更多
关键词 无人驾驶 alexnet算法 空间金字塔池化(SPP) 全局平均池化(GAP) 图像识别
下载PDF
改进Alexnet网络的滚动轴承故障诊断方法
13
作者 韩龙 王超群 +1 位作者 姜楠 赵雅婷 《中国新技术新产品》 2024年第6期15-18,共4页
本文针对滚动轴承故障诊断准确率不高的问题提出一种新方法。首先,将振动信号通过短时傅里叶变换(Short Time Fourier Transform,STFT)转化为时频图像构建数据集。其次,采用批量归一化算法和GeLU激活函数改进Alexnet网络,对不同工况的... 本文针对滚动轴承故障诊断准确率不高的问题提出一种新方法。首先,将振动信号通过短时傅里叶变换(Short Time Fourier Transform,STFT)转化为时频图像构建数据集。其次,采用批量归一化算法和GeLU激活函数改进Alexnet网络,对不同工况的时频图像进行训练和故障诊断。在凯斯西储大学(Case Western Reserve University,CWRU)轴承数据集试验中,改进后的Alexnet网络训练损失更低,收敛速度更快,故障识别准确率更高。最后,比较模拟滚动轴承损伤故障实验平台采集的样本数据,改进Alexnet网络的故障识别准确率为97.2%,明显优于Alexnet网络、SVM网络和CNN网络,验证了该改进方法的有效性。 展开更多
关键词 滚动轴承 故障诊断 改进alexnet BN层 GeLU
下载PDF
基于MSST和MPA-Alexnet神经网络的风力发电机齿轮箱状态识别
14
作者 王瑜 严国斌 +1 位作者 王广玲 张弈鹏 《机械设计与制造工程》 2024年第12期126-132,共7页
为了提高风力发电机齿轮箱运行状态的识别准确度,提出一种基于多重同步压缩变换和海洋捕食者算法优化Alexnet神经网络的齿轮箱状态识别模型。首先通过多重同步压缩变换对风力发电机齿轮箱原始振动信号进行预处理,获得原始振动信号的二... 为了提高风力发电机齿轮箱运行状态的识别准确度,提出一种基于多重同步压缩变换和海洋捕食者算法优化Alexnet神经网络的齿轮箱状态识别模型。首先通过多重同步压缩变换对风力发电机齿轮箱原始振动信号进行预处理,获得原始振动信号的二维时频图像;然后利用海洋捕食者算法寻优神经网络的各层卷积核长度参数,提高网络的辨识能力,并以二维时频图像作为样本对参数优化后的神经网络进行训练和测试,完成风力发电机齿轮箱状态判定。实测信号分析结果表明,所提模型可有效区分齿轮箱的不同运行状态,与其他模型相比,识别准确度更高,鲁棒性更好。 展开更多
关键词 风力发电机 齿轮箱 多重同步压缩变换 海洋捕食者算法 alexnet神经网络
下载PDF
基于可变形卷积AlexNet与软注意力机制的皮肤病变识别算法
15
作者 曹迅 冯艳玲 +1 位作者 马昭鹏 胡铭铭 《计算机科学与应用》 2024年第5期229-238,共10页
为解决皮肤病识别领域中数据集类别不平衡、模型复杂度高以及准确率低的问题,提出了一种基于可变形卷积AlexNet与软注意力机制的皮肤病变识别算法。首先,提出改进的可变形卷积AlexNet网络模型,提高模型辨析力的同时,降低了模型的参数量... 为解决皮肤病识别领域中数据集类别不平衡、模型复杂度高以及准确率低的问题,提出了一种基于可变形卷积AlexNet与软注意力机制的皮肤病变识别算法。首先,提出改进的可变形卷积AlexNet网络模型,提高模型辨析力的同时,降低了模型的参数量,加快模型的训练和测试效率。然后,在改进的模型中集成了软注意力机制,使模型聚焦于皮肤病的关键特征区域,优化模型的特征提取和识别能力。最后,提出了一种联合损失函数,对焦点损失函数与交叉熵损失函数进行加权,聚焦于困难样本和易出错样本,解决因数据集类别不平衡而导致的网络朝着错误方向收敛的问题。在公开数据集进行实验,主观和客观的实验结果表明,提出算法在七种不同类别的皮肤病识别准确率高于对比算法,具有较强的鲁棒性和泛化能力。 展开更多
关键词 皮肤病识别 可变形卷积alexnet 软注意力机制 联合损失函数
下载PDF
基于轻量AlexNet的电容型电压互感器故障诊断
16
作者 漆梓渊 吴浩 +2 位作者 陈伟哲 罗春兰 吴杰 《四川电力技术》 2024年第1期91-97,共7页
电容型电压互感器(CVT)是重要的一次侧电压监测元件。针对环境温度、湿度以及元件老化等因素造成的电容型电压互感器一次侧电容上下臂击穿或互感器二次侧短路等故障,提出了一种基于轻量AlexNet的电容型电压互感器故障诊断方法。该方法利... 电容型电压互感器(CVT)是重要的一次侧电压监测元件。针对环境温度、湿度以及元件老化等因素造成的电容型电压互感器一次侧电容上下臂击穿或互感器二次侧短路等故障,提出了一种基于轻量AlexNet的电容型电压互感器故障诊断方法。该方法利用Matlab建立了CVT电路模型,分别对高压臂电容击穿、低压臂电容击穿以及互感器二次侧短路3种典型的故障进行仿真。采集CVT二次侧电压数据,利用马尔可夫变迁场将其转化为特征矩阵,最后使用轻量化的AlexNet神经网络对电压特征矩阵进行故障分类。仿真实验证明,所提方法在不拆除CVT的情况下,能准确检测出CVT的故障类型。 展开更多
关键词 电容型电压互感器 特征提取 alexnet神经网络 故障诊断
下载PDF
不平衡样本下基于迁移学习-AlexNet的输电线路故障辨识方法 被引量:20
17
作者 王建 吴昊 +3 位作者 张博 南东亮 欧阳金鑫 熊小伏 《电力系统自动化》 EI CSCD 北大核心 2022年第22期182-191,共10页
输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布... 输电线路不同故障类型和故障原因的故障样本集具有类不平衡性,为基于图像深度学习的故障分类辨识带来挑战。文中提出类不平衡样本下基于迁移学习-AlexNet神经网络的输电线路故障辨识方法。首先,统计分析了输电线路故障的特征与概率分布,使用MATLAB/Simulink仿真产生了符合实际情况的不平衡故障样本集。然后,以故障暂态波形图像为输入集,采用迁移学习-AlexNet神经网络构建故障分类器,降低了故障特征提取的复杂性。算例测试结果表明,现有按类平衡故障样本集开展故障辨识的方法,分类准确率偏于乐观,即使采用抽样法也无法准确识别类不平衡样本中的小样本故障类型;而所提方法可以很好地应对类不平衡故障样本集,相比于经典的卷积神经网络,对故障类型与故障原因的辨识准确率也更高,训练模型用于类似线路的真实故障录波数据也能很好地辨识出故障类型。 展开更多
关键词 输电线路 故障辨识 迁移学习 alexnet神经网络 图像学习 不平衡样本
下载PDF
基于AlexNet的小样本水面漂浮物识别 被引量:20
18
作者 李宁 王雨萱 +1 位作者 徐守坤 石林 《计算机应用与软件》 北大核心 2019年第2期245-251,共7页
针对水面漂浮物识别中图像数据量少、噪声影响多,导致识别精度低的问题,采用一种基于深度学习的小样本水面漂浮物识别方法进行水面常见污染物塑料袋与塑料瓶的识别。采用现有大型数据集中的普通塑料袋与塑料瓶图像构建并训练卷积神经网... 针对水面漂浮物识别中图像数据量少、噪声影响多,导致识别精度低的问题,采用一种基于深度学习的小样本水面漂浮物识别方法进行水面常见污染物塑料袋与塑料瓶的识别。采用现有大型数据集中的普通塑料袋与塑料瓶图像构建并训练卷积神经网络模型AlexNet;采用梯度下降法对模型进行微调,并用融合的光照矫正法处理待识别图像;将网络识别结果与传统的HOG特征提取方法进行比较。实验结果表明,该方法相较于传统的提取特征方法,对于水面漂浮物的识别率提高近15%。 展开更多
关键词 漂浮物图像 小样本 深度学习 alexnet 光照矫正
下载PDF
基于迁移学习和AlexNet的驾驶员行为状态识别方法 被引量:16
19
作者 戎辉 华一丁 +4 位作者 张小俊 龚进峰 唐风敏 郭蓬 何佳 《科学技术与工程》 北大核心 2019年第28期208-216,共9页
为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构... 为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于Alex Net卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明:该系统准确率达到97. 8%,且在实验设备中运行速度达到70帧/min,满足较高的准确率要求与实时性要求。 展开更多
关键词 驾驶员状态 迁移学习 alexnet 卷积神经网络
下载PDF
基于AlexNet卷积神经网络的大米产地高光谱快速判别 被引量:16
20
作者 吴静珠 李晓琪 +3 位作者 林珑 刘翠玲 刘志 袁玉伟 《中国食品学报》 EI CAS CSCD 北大核心 2022年第1期282-288,共7页
采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩... 采集我国东北和非东北10个产地、4个品种共计1000份单粒大米样本在波长950~1700 nm区间的高光谱图像,按照单粒大米轮廓提取感兴趣区域并计算平均光谱,采用主成分分析从样本集光谱矩阵提取累计贡献率大于99%的第一、二主成分,根据载荷矩阵系数最大值筛选与第一、二主成分相关性最强的特征波长1396.67 nm和1467.38 nm。针对两组特征波长图像进行主成分分析,分别选取前三维主成分,共计可得2×3组训练样本集。结果表明:基于AlexNet卷积神经网络训练建立6组东北/非东北大米产地高光谱快速判别模型,均有较高的识别准确率,其中基于1467.38 nm波长的第三主成分图像建立的东北/非东北大米产地判别模型的性能最佳,其识别准确率可达99.5%。 展开更多
关键词 高光谱 大米产地鉴别 主成分分析 alexnet卷积神经网络
下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部