本文提出了一种新的称为循环扩张卷积神经网络(CDIL-CNN)的对称多尺度卷积结构,其中每个位置都有平等的机会从前一层的其他位置接收信息,且可以自适应的扩展到任意长的时间序列上,在长序列分类任务上获得较好的效果。 CDIL-CNN 架构图 4. 算法分析 TCN 架构图 对比CDIL-CNN和TCN的架构图,可以看到,TCN是一个...
因此,本文着重设计一个卷积神经网络(CNN),可以产生高质量的密度地图。为此提出了一种新的方法名为扩张转置完全卷积神经网络(DT-CNN),该方法支持柔性分辨率的输入图像。完全卷积网络(FCNs)的可行性已经在语义分割和显著性预测任务中得到了证明,显著提高了检测精度。DT-CNN由特征提取模块(FEM)和特征恢复模块(FRM)组成。
扩张卷积又叫空洞卷积，通过扩张卷积kernel的尺寸和填充0达到扩大感受野，提升特征提取的范围，提升算法效果...
本发明提出基于增强型深度扩张卷积神经网络的图像去噪方法,涉及图像去噪领域。包括获取待去噪的原始图像;搭建包含上网络层、下网络层、扩张卷积层三层并联结构的增强型深度扩张卷积神经网络模型;将原始图像输入增强型深度扩张卷积神经网络模型中,通过上网络层、下网络层和扩张卷积层分别对原始图像进行特征提取,并将提取到的...
DL之CNN:卷积神经网络算法简介之卷积矩阵、转置卷积(反卷积Transpose)、膨胀卷积(扩张卷积Dilated/带孔卷积atrous)之详细攻略,DL之CNN:卷积神经网络算法简介之卷积矩阵、转置卷积(反卷积Transpose)、膨胀卷积(扩张卷积Dilated/带孔卷积atrous)之详细攻略目录卷积矩阵的简
摘要 本发明提出了一种利用特征融合来提高检测精度的新型的卷积神经网络模型,即分组扩张卷积神经网络模型,进一步提出了基于该分组扩张卷积神经网络模型的检测方法和装置。该检测方法包括如下步骤:步骤S1,对待测图像进行预处理获得预处理图像;步骤S2,搭建分组扩张卷积神经网络模型;步骤S3,进行模型训练;步骤S4,将预处理图像输...
一种基于多尺度扩张卷积神经网络的显著性目标检测方法专利信息由爱企查专利频道提供,一种基于多尺度扩张卷积神经网络的显著性目标检测方法说明:本发明公开了一种基于多尺度扩张卷积神经网络的显著性目标检测方法,所述方法包括:提取所述输入图像的多尺...专利查询请上爱
针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提岀了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结枃来増加网络的特征利用窣,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张率的扩张卷积,使网络在充分聚合上下文特征信息时不损失空间分辨率,并避免了网格伪影的...
本发明公开了一种基于扩张卷积神经网络的方言种属识别方法。方言作为一种独特的民族文化有着丰厚的文化底蕴。若想将汉语方言识别体系化,首先要将方言进行分类汇总,确定方言的种属。主要选取三种方言,实现语料库的构建,对音频数据数字化并进行预处理,去除口唇对语音信号的辐射和提升高频的分辨率,分帧后保证语音信号具有短时...
一种基于扩张卷积神经网络的特征提取方法及装置专利信息由爱企查专利频道提供,一种基于扩张卷积神经网络的特征提取方法及装置说明:本发明公开了一种基于扩张卷积神经网络的特征提取方法及装置。该方法包括:获取待分析文本,对待分析...专利查询请上爱企查