我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于稀疏化双线性卷积神经网络的细粒度图像分类 下载：382 浏览：396

马力1 王永雄2 《人工智能研究》 2019年8期

摘要:
针对双线性卷积神经网络(B-CNN)在细粒度图像分类中因参数过多、复杂度过高而导致的过拟合问题,提出稀疏化B-CNN.首先对B-CNN的每个特征通道引入比例因子,在训练中采用正则化方法对其稀疏.然后利用比例因子的大小判别特征通道的重要性.最后将不重要特征通道按一定比例裁剪,消除网络过拟合,提高关键特征的显著性.稀疏化B-CNN属于弱监督学习,可实现端到端训练.在FGVC-aircraft、Stanford dogs、Stanford cars这3个细粒度图像数据集上的实验表明,稀疏化B-CNN的准确率高于B-CNN,也优于或基本接近其它通用的细粒度图像分类算法.

基于Contourlet变换的图像处理算法的研究 下载：146 浏览：1506

陶娟娟 《信号处理与图像分析》 2023年12期

摘要:
在对图像进行压缩、去噪以及重构等图像处理时，有效的图像稀疏化表示法对重构图像质量的影响非常关键，本文选用Contourlet变换对信号进行稀疏化处理。主要讨论了信号的稀疏表示，一种有效的多尺度方向变换——Contourlet变换及其原理和滤波器的结构，Contourlet变换仅仅使用少量的系数就可以更有效地来捕获自然图像的主要特征，因此可以使图像得到“稀疏化”表示。Contourlet变换的图像稀疏表示在图像处理领域有明显的应用优势。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享