搜索结果: 1-9 共查到“计算机科学技术 CNN”相关记录9条 . 查询时间(0.046 秒)
全波形反演（FWI）是一种非线性拟合观测地震记录从而获得高清晰速度模型的最优化算法。FWI能够通过拟合浅层初至波和反射波获得较准确的浅层速度模型。但是，FWI通常无法通过拟合深层反射波获得较准确的深层速度模型（包括背景速度和反射界面信息），因为模型梯度中的反射界面信息（偏移成分）比背景速度信息（层析成像成分）更加显著。因此，FWI主要更新深层反射界面而不是深层背景速度，而背景速度的误差会降低反射界...
一种面向移动端的浅层CNN表情识别
面部表情识别 卷积神经网络 全局平均池化 GoogleColab CoreML
2022/3/15
移动端的表情识别有巨大需求，但是受算力限制，主流深度神经网络无法直接移植。为此，设计了一个浅层网络，在节约计算量的同时保证了识别率。网络中使用三组堆叠而成的卷积层，有助于增大感受野，便于更好地提取特征，这是提升识别率的关键；使用全局平均池化层，避免引入额外的全连接层，大幅降低参数量，在训练样本不足的情况下，降低模型过拟合风险。在FER-2013数据集进行训练，准确率超过现有大多数算法；在CK+数据...
近年来，深度卷积神经网络已经深入了计算机视觉的各个任务中，并在图像识别、目标跟踪、语义分割等领域中取得了重大突破。在一些场景下，当前深度卷积网络性能已经足以部署到实际应用中，这也鼓舞着人们将深度学习落地到更多的应用中。然而，深度卷积网络在实际部署时面临着参数量和时间复杂度等两方面的问题，一方面是深度网络巨大的参数量会占用大量的硬盘存储和运行内存，这些硬件资源在一些移动和嵌入式设备中往往是很有限的；...
CNN BASED RETINAL IMAGE UPSCALING USING ZERO COMPONENT ANALYSIS
Image upscaling CNN ZCA Whitening Retinal Images
2017/6/19
The aim of the paper is to obtain high quality of image upscaling for noisy images that are typical in medical image processing. A new training scenario for convolutional neural network based image up...
基于CNN彩色图像边缘检测的车牌定位方法
彩色边缘检测 细胞神经网络 边缘滤波
2009/12/28
针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中,...
基于CNN彩色图像边缘检测的车牌定位方法
车牌定位 彩色边缘检测 细胞神经网络(CNN)
2009/9/9
针对现有车牌定位算法准确率不高和步骤多速度慢等问题, 本文提出一种彩色图像车牌定位方法(LPLCCED). 首先利用细胞神经网络(CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程...
基于参数自适应CNN的灰度图像边缘检测
稳定性 模板参数 自适应
2009/7/20
边缘是图像的重要特征。在应用细胞神经网络提取图像边缘时，网络的稳定性和参数的选择是关键。文中推导了细胞神经网络的稳定条件，并提出了网络参数的自适应设计思路。基于Matlab 7.0平台，通过编写仿真程序，检测灰度图像边缘，得到良好效果。实验证明，该法还能有效抑制噪声的干扰。
一种基于CNN的彩色图像边缘检测算法
Mahalanobis距离 RGB彩色空间 视见函数
2009/7/8
利用细胞神经网络（CNN）模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息，在RGB彩色空间中用Mahalanobis距离来度量象素之间的差异。为了解决常规边缘提取方法输出二值结果的缺点，采用可以多值输出的CNN来进行彩色图像边缘检测。通过Mahalanobis距离对灰度CNN度量象素差异的方式进行改进，使其可以在RGB彩色空间中进行运算。通过与Sobel、Log和Canny等...
CNN评出：25年来人类25项最伟大的科技突破
CNN 人类 科技突破
2005/4/4
赛迪网2005年4月4日消息，由CNN组织的专家顾问团日前评出了过去25年间人类在科技领域所取得的25项最伟大的突破。此次所评选出的25项技术突破主要集中在计算机、数字娱乐和自然科学领域。据该排行榜显示，在计算市场，计算机技术、处理器和数字存储分别排名第五、第九和第十位。随着计算机处理速度和智能化的日益提升，电子包裹便孕育而生，排在该排行榜的第二十位。