残差连接相关论文
电子病历作为提升医生工作效率、实现诊断信息共享的重要载体近年来应用广泛,但其专业性特征与繁杂内容影响病历制作时效性,提高电......
锂离子电池常被作为储能元件以实现电能的存储和使用，精确地估算其健康状态（SOH）可以为电池的实际使用提供理论依据。然而，SOH无法被直......
眼底图像中视网膜血管的健康状况对早期诊断各种眼科疾病及糖尿病心脑血管疾病等具有重要意义，然而视网膜血管结构细微、边界模糊且......
近年来,随着陆地资源的逐渐减少,海洋成为了人类探索的目标。水下图像作为重要的信息载体,直观地反映水下环境信息,对海洋勘探、海......
多聚焦图像融合作为图像融合领域中一个重要的研究方向,能够克服光学镜头成像原理的局限,使整个场景中不同距离的物体都在一幅图像......
近年来随着多种小型智能探测设备的出现(如无人机、小型智能车等),给传统雷达目标识别方法带来了巨大挑战;在使用雷达对此类小型目......
针对生成对抗网络在训练中损失函数收敛慢,难以恢复图像细节的问题,提出一种基于编解码器与多尺度损失函数的生成对抗网络模型.使......
针对传统故障诊断模型参数多,训练、检测时间长,抗噪性差,不适用于在线实时诊断的问题,提出了基于残差连接和一维可分离卷积(1D-RS......
车标作为车辆生产厂家的标志信息,不易被更换且能够作为车辆身份的一种显著特征,在智能交通监管系统中有着极为重要的作用。并且,......
合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天候、全天时的特点,并且可获取高分辨率的地表图像。然而相干斑噪声影响了SAR图......
命名实体识别（Named Entity Recognition,NER）是自然语言处理任务中将非结构化文本转变为结构化数据的处理方式之一,NER模型性能的优......
人机交互一直被认为是一个活跃的研究领域,同时动态手势是人与人之间交流的一种自然形式,因此最适合应用于人机交互。动态手势存在......
针对高光谱图像中的“同谱异物”和“同物异谱”现象导致传统机器学习方法难以精确区分,以及深度学习模型处理高维遥感数据耗时较......
为实现基于器型的古陶瓷入库器型分类并节约计算成本,提高分类精度,提出基于GoogLeNet的改进算法SRG(SE-Res-GoogLeNet).将压缩与......
残差神经网络(ResNet)是深度学习领域的研究热点,广泛应用于医学图像处理领域.该文对残差神经网络从以下几个方面进行综述:首先,阐......
海洋环境的识别算法往往效果不佳,强烈的吸收作用以及悬浮粒子的散射对光线进行干扰,导致所捕获到的水下图像具有诸如色偏、图像模......
三维人体姿态估计是计算机视觉领域中的热门课题。三维人体姿态估计可以作为人体姿态识别、人体跟踪、行为识别等任务的基础,同时......
针对卷积编解码网络(CED,Convolution encoder-and-decoder)对语音时序相关信息捕获困难的问题,本文提出了一种基于门控残差卷积编......
图像分类是图像分析与处理的重要环节,是计算机视觉领域研究的热点问题。传统的图像分类算法需要人工设计特征,缺乏良好的泛化性,......
图像是获取和传递信息的重要手段,在人类的生活中随处可见。图像分辨率的高低是评价一个图像质量的重要因素,分辨率高代表着图像更......
针对现有基于深度卷积神经网络模型的图像超分辨重建技术存在图像特征提取尺度单一和中间层次特征利用不充分等问题,提出了一种多......
目的针对计算机断层成像(CT)稀疏重建过程中产生条状伪影的问题,本文提出了一种基于对抗式多残差深度神经网络的CT图像高精度稀疏......
相比于卷积神经网络,图卷积网络更适合处理不规则的点云数据,但其存在网络层数受限以及固定的标准化聚集方式影响点云语义分割结果......
为了解决轴承故障诊断问题,提出了一种基于深度残差BiLSTM网络的轴承故障诊断模型,该故障诊断模型以轴承一维时序振动信号作为输入......
针对THUCNews的中文新闻文本标签分类任务,在BERT预训练语言模型的基础上,提出一种融合多层等长卷积和残差连接的新闻标签分类模型......
随着计算机技术的发展,基于深度学习的医学图像自动分割已经成为人工智能辅助医疗的重要研究方向.为弥补现有神经网络结构对信息提......
现有的电视语音响度补偿是针对人耳听阈和听力障碍的损失进行均衡补偿,这类方法会放大同频段的非人声。针对这类方法的缺陷,提出利......
伴随着平安城市的到来,视频监视领域获得了快速的发展,各种智能终端应运而生,而视觉目标跟踪作为视频监视的一项关键技术起到了至......
针对三维卷积网络在训练样本较少时对高光谱图像的分类精度不理想问题,提出了一种高效的基于多特征融合和混合卷积网络的分类模型......
植物叶片识别与分类对植物保护与研究、生态环境保护、种子优劣鉴定、植物病害防护等具有十分重要的意义。植物叶片是植物外形特征......
神经病理性疾病作为一类极难治愈的疾病,每年威胁着成百上千人的生命健康安全,据研究表明,自闭症与婴儿在出生期脑部发育情况相关,......
图像内容中通常包含大量的文本信息。如果能够可靠准确地识别出图像中的文本信息,对于图像内容理解是非常有价值的。但是由于拍摄......
图像超分辨率重建(SR)是图像处理领域当中的一个重要分支,其研究与发展有着广泛的应用价值.超分辨率重建根据输入图像的数量可以分......
信息时代,互联网上拥有着海量的文本数据,为了方便的检索和利用这些文本数据,需要让计算机“理解”文本,理解语言的核心则是理解语......
为了提高乳腺癌诊断的效率以及准确性,本文提出一种基于改进的YOLOv3算法来构建一个乳腺超声肿瘤识别算法,辅助医生进行乳腺癌的诊......
针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承......
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积......
在车载边缘计算单元中,由于其硬件设备的资源受限,开发适用于车载边缘计算的轻量级、高效的交通标识检测模型变得越来越迫切。文中......
目的 2D姿态估计的误差是导致3D人体姿态估计产生误差的主要原因,如何在2D误差或噪声干扰下从2D姿态映射到最优、最合理的3D姿态,......
深度学习和迁移学习的兴起为树种识别提供了新方向,然而其在同树种内不同品质间木材识别仍存在挑战。为改善古筝面板品质分级现状,......
近年来,卷积神经网络(CNN)在单幅图像超分辨率重建领域(SISR)展现出良好效果。深度网络可以在低分辨率图像和高分辨率图像之间建立......
针对视频中部分行为时间跨度长,可能由于行为模糊或视频散焦导致信息受损的问题,提出一种具有残差连接的多级局部融合网络,以提高......
针对目前基于全局特征的图像描述模型存在细节语义信息不足的问题,提出结合全局和局部特征的图像中文描述模型.该模型采用编码器-......
在车载边缘计算单元中,由于其硬件设备的资源受限,开发适用于车载边缘计算的轻量级、高效的交通标识检测模型变得越来越迫切。文中......
