摘要 ：

焊接区的视觉图像含有丰富的熔池成形和焊缝成形信息，然而，由于焊接区的状态复杂、干扰因素众多，图像处理算法设计非常困难，很难实现工程化应用。利用深度学习技术中的卷积神经网络（VGG网络）实现了薄板TIG焊的熔透状态的检测。首先采用VGG网络构建了从熔池反面视觉图像判断熔透状态的模型，实现了未熔透、熔透和烧穿的可靠识别，准确率可达97.2%；在此基础上，又采用SSD网络构建了熔透状态下熔宽的检测模型，实现了反面熔宽的准确测量。此外，采用数据增强的方法模拟了不同的检测条件，使模型的适应性达到了工程化水平。同时构建了从正面熔池预测反面熔透的网络模型，解决无法直接从反面判断的情况，模型的预测准确率为96...

关键词 ：

卷积神经网络 熔池检测 数据增强 SSD网络

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

本文引入互联网财经新闻信息来对日汇率波动趋势进行更准确预测.使用深度学习文本分析模型提取新闻中与汇率波动趋势有关的信息,计算日新闻影响数值特征,并融合汇率历史数据建立时间卷积网络模型对汇率波动趋势进行预测,最后根据预测结果研究交易策略并进行模拟投资.研究新闻对汇率预测的影响作用可以为投资决策提供实证依据与理论支撑,为新闻与汇率波动建立了联系.实证表明,该方法能提高汇率波动趋势预测的准确率并能获得较高的投资收益,体现了新闻信息对汇率波动预测的重要影响作用.

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

随着信息技术的高速发展,各种数字档案数据量出现了爆炸式的增长。如何合理地挖掘分析档案数据,提升对新收录档案智能管理的效果已成为一个亟需解决的问题。现有的档案数据分类方法是面向管理需求的人工分类,这种人工分类的方式效率低下,忽略了档案固有的内容信息。此外,对于档案信息发现和利用来说,需进一步挖掘分析档案数据内容之间的关联性。面向档案智能管理的需求,从档案数据的文本内容角度出发,对人工分类的档案进行进一步分析。采用LDA模型提取文档的主题特征向量,进而用K-means算法对档案的主题特征进行聚类,得到档案间的关联。针对新收录档案数据的分类问题,采用现有档案数据,有监督的训练FastText深度学习...

关键词 ：

FastText文本分类 档案管理 LDA特征表示 文本聚类

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

近年来,全卷积神经网络有效提升了语义分割任务的准确率.然而,由于室内环境的复杂性,室内场景语义分割仍然是一个具有挑战性的问题.随着深度传感器的出现,人们开始考虑利用深度信息提升语义分割效果.以往的研究大多简单地使用等权值的拼接或求和操作来融合RGB特征和深度特征,未能充分利用RGB特征与深度特征之间的互补信息.本文提出一种基于注意力感知和语义感知的网络模型ASNet(Attention-aware and Semantic-aware Network).通过引入注意力感知多模态融合模块和语义感知多模态融合模块,有效地融合多层次的RGB特征和深度特征.其中,在注意力感知多模态融合模块中,本文设计...

关键词 ：

深度学习 RGB-D语义分割 卷积神经网络 注意力模型 多模态融合

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

基于深度卷积神经网络特征层融合的小尺度行人检测

关键词 ：

卷积神经网络 行人检测 轻量化模型 深度学习

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

深度信念网络(Deep belief network, DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念网络与其他深度结构的关系与区别;其次,回顾总结深度信念网络研究现状,基于标准模型分析不同深度信念网络结构的性能;第三,给出深度信念网络的不同无监督预训练和有监督调优算法,并分析其性能;最后,给出深度...

关键词 ：

有监督调优 深度信念网络 深度学习 结构设计 无监督预训练

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

三维形状重建是计算机视觉、计算机图形学、模式识别和虚拟现实等领域的重要研究课题。现有三维重建方法通常存在两个瓶颈:(1)它们涉及多个人工设计阶段,导致累积误差,且难以自动学习三维形状的语义特征;(2)它们严重依赖图像内容和质量,以及精确校准的摄像机。因此,这些方法的重建精度难以提高。基于深度学习的三维重建方法通过利用深度网络自动学习低质量图像中的三维形状语义特征,克服了这两个瓶颈。然而,这些方法具有多种体系框架,但是至今未有文献对它们作深入分析和比较。本文对基于深度学习的三维重建方法进行全面综述。首先,基于不同深度学习模型框架,将基于深度学习的三维重建方法分为4类:递归神经网络、深自编码器、生...

关键词 ：

生成对抗网络 循环神经网络 三维重建 深度学习模型 深度自编码器 卷积神经网络

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

冠状动脉血流储备分数(FFR)是反映冠状动脉病变严重程度诊断心肌功能性缺血的"金标准"。冠状动脉狭窄阻力是实现FFR数值计算的决定性因素。目前,已经有人提出基于流体力学和能量守恒来确定冠状动脉狭窄阻力的方法。随着人工智能的发展,本文开发了一种多输入反向传播神经网络(BPNN),以替代计算流体动力学过程,从而根据几何参数和血流量快速准确地预测冠状动脉狭窄阻力。本研究首先通过分析血管模型几何因素确定神经网络输入的几何参数;

关键词 ：

深度学习 几何参数 冠状动脉狭窄 神经网络

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

睡眠分期是研究睡眠疾病的重要途径,近年来受到了广泛关注。传统手工标记方法与传统机器学习算法存在效率低下、泛化性不足的问题,虽然近期流行的深度学习网络模型依靠其学习复杂特征的能力改善了睡眠分期结果,但仍存在着忽略片段内时序信息与通道相关性的问题。本文提出了一种混合注意力时序网络,利用循环神经网络取代较为传统的卷积神经网络,从时间角度提取多导睡眠图的时序特征;然后采用片段内时序注意力与通道注意力机制,实现信号片段内时序特征融合和通道相关性特征融合;再基于循环神经网络与片段间时序注意力机制,进一步实现信号片段间时序上下文特征融合;最终根据上述混合特征完成端到端自动睡眠分期。本文采用开源数据网站上包含...

关键词 ：

循环神经网络 注意力机制 睡眠分期

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

为解决室外场景中动态区域对视觉里程计计算过程的干扰,获得准确的相机位姿和场景深度,提出一种自监督深度学习框架下融合动态区域检测的视觉里程计算法.给定相邻2帧图像,首先,采用深度估计网络计算2幅图像对应深度图,采用位姿估计网络获得二者初始相对位姿.然后,借助视点变换,计算两视角深度图像之间的差异,确定动态区域.在此基础上,对输入图像中动静态区域进行分离.之后,匹配两视角图像静态区域特征,计算最终相机位姿.从光度、平滑度以及几何一致性三方面构造损失函数,并在损失函数中融入动态区域信息,对所构造网络模型进行端到端自监督训练.在KITTI数据集上验证了所提算法,并将其与最近2年提出的相关算法进行比较....

关键词 ：

视觉里程计 动静态信息分离 深度学习 深度信息 自监督 动态区域检测

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。