行业分类-物理装置-基于多尺度特征与堆叠式全卷积网络的水下建筑物裂缝检测方法.zip
2021-08-04 09:02:44
488KB
针对脉内无意调相实现雷达辐射源个体识别时存在的分类模型性能不佳的问题，提出了一种长短时记忆加全卷积网络的雷达辐射源个体识别方法。首先给出了脉内信号相位的简化观测模型，并对观测相位序列进行去斜处理，提取无意调相的含噪估计；然后利用贝塞尔曲线拟合无意调相，降低噪声的影响，获得无意调相更为精确的描述；最后利用长短时记忆加全卷积网络提取无意调相序列的联合特征，实现雷达辐射源个体自动识别。仿真实验以及实测数据实验均验证了所提算法的可行性与有效性，实验结果表明，所提算法识别正确率高、耗时短。
2021-07-12 13:00:07
1.18MB
1
对于语音的情感识别,针对单层长短期记忆(LSTM)网络在解决复杂问题时的泛化能力不足,提出一种嵌入自注意力机制的堆叠LSTM模型,并引入惩罚项来提升网络性能。对于视频序列的情感识别,引入注意力机制,根据每个视频帧所包含情感信息的多少为其分配权重后再进行分类。最后利用加权决策融合方法融合表情和语音信号,实现最终的情感识别。实验结果表明,与单模态情感识别相比,所提方法在所选数据集上的识别准确率提升4%左右,具有较好的识别结果。
2021-05-08 15:47:48
2.99MB
1
用于时间序列分类的多元LSTM-FCN
MLSTM FCN模型（来自 FCN）使用最新的单变量时间序列模型（来自的最新的单变量时间序列模型，LSTM-FCN和ALSTM-FCN来增强挤压和激励块。 对于LSTM-FCN和ALSTM-FCN模型的代码可以在这里找到 。
安装
下载存储库并应用pip install -r requirements.txt安装所需的库。
具有Tensorflow后端的Keras已用于开发模型，并且目前不支持Theano或CNTK后端。 权重尚未通过这些后端进行测试。
注意：所有模型的“输入”层的输入都将被预先混洗为形状（“批量大小”，“变量数”，“时间步数”）
2021-04-21 21:16:44
1.54MB
1
裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查，在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化，但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测，提出了一种基于改进的全卷积神经网络（Fully Convolutional Networks，FCN）的分割方法，根据建立的数据集训练传统FCN和优化后的FCN，测试结果表明其平均交并比（mean_IoU）得到了一定的提高，故该方法能够较准确地分割出路面裂缝。
2021-04-02 13:19:37
848KB
1
涵盖U-Net各种版本，用于深度学习，U-Net zoo版本，还可以用于其他领域的图像分割（如卫星图像）
2021-02-15 15:09:13
239KB
1
“用于物体跟踪的全卷积连体网络 - SiameseFC”的Pytorch实现
2020-01-03 11:39:34
28.65MB
1