-
题名基于Gabor核的卷积神经网络改进算法及应用
被引量:5
- 1
-
-
作者
杨景明
周豪腾
杨波
王亚超
魏立新
-
机构
燕山大学电气工程学院
-
出处
《燕山大学学报》
CAS
北大核心
2018年第5期427-433,共7页
-
基金
河北省高等学校创新团队领军人才培育计划项目(LJRC013)
河北省自然科学基金资助项目(F2016203249)
-
文摘
针对Le Net-5网络模型识别分类准确度问题,提出一种基于深度Gabor卷积神经网络的识别分类方法。在Le Net-5模型的基础上,引入了Gabor层,使用Gabor核作为提取图像特征的卷积核,Gabor卷积核从图像频域的不同尺度、不同方向上提取更多特征。为了避免网络训练中的梯度消失问题,使用Relu函数作为网络中的激活函数。将改进后的模型在MNIST手写体数据集上进行试验,识别正确率达到99. 34%。与支持向量机和卷积神经网络等分类方法作比较,结果表明,改进后的深度Gabor卷积神经网络的具有更高的识别性能。
-
关键词
卷积神经网络
gabor卷积核
Relu函数
特征提取
识别分类
-
Keywords
convolutional neural network
gabor convolution kernel
Relu function
feature extraction
recognition classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进SSD的交通大场景多目标检测
被引量:42
- 2
-
-
作者
华夏
王新晴
王东
马昭烨
邵发明
-
机构
中国人民解放军陆军工程大学野战工程学院
南部战区陆军第二工程科研设计所
-
出处
《光学学报》
EI
CAS
CSCD
北大核心
2018年第12期213-223,共11页
-
基金
国家重点研发计划(2016YFC0802904)
国家自然科学基金(61671470)
+1 种基金
江苏省自然科学基金(BK20161470)
中国博士后科学基金第62批面上资助项目(2017M623423)
-
文摘
现有目标检测算法在复杂大场景下多目标检测的精度和实时性难以平衡,为此,受深度神经网络卷积核形态启发,模仿了人眼视觉机理,改进了基于深度学习的目标检测框架,即单向多框检测器(SSD),提出了多目标检测框架——自适应感知SSD,将其专用于复杂大交通场景多目标检测。设计了由多形态、彩色Gabor构成的特征卷积核库,训练筛选最优特征提取卷积核组替换原有网络的低级卷积核组,从而提高检测精度;将单图像检测框架与卷积长短期记忆网络结合,通过瓶颈-长短期记忆层提炼传播帧间的特征映射,实现网络帧级信息的时序关联,降低计算成本,从而实现对视频中受强干扰影响目标的追踪识别;同时加入自适应阈值策略,降低漏警率和虚警率。实验结果表明,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了9%~16%,平均准确率均值提高了14%~21%,多目标检测率提高了21%~36%,检测帧率达到32frame·s-1,实现了算法精度与实时性的平衡,取得较好的检测识别效果。
-
关键词
机器视觉
生物视觉
深度学习
卷积神经网络
gabor卷积核
递归神经网络
-
Keywords
machine vision
biological vision
deep learning
convolution neural network
gabor convolution kernel
recurrent neural network
-
分类号
O436
[机械工程—光学工程]
-