電子發(fā)燒友App
創(chuàng)作
發(fā)文章
發(fā)帖 
提問(wèn) 
發(fā)資料
發(fā)視頻資料介紹
針對(duì)圖像自動(dòng)標(biāo)注中因人工選擇特征而導(dǎo)致信息缺失的缺點(diǎn)，提出使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行自主特征學(xué)習(xí)。為了適應(yīng)圖像自動(dòng)標(biāo)注的多標(biāo)簽學(xué)習(xí)的特點(diǎn)以及提高對(duì)低頻詞匯的召回率，首先改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，構(gòu)建一個(gè)多標(biāo)簽學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)（ CNN-MLL）模型，然后利用圖像標(biāo)注詞間的相關(guān)性對(duì)網(wǎng)絡(luò)模型輸出結(jié)果進(jìn)行改善。通過(guò)在IAPR TC-12標(biāo)準(zhǔn)圖像標(biāo)注數(shù)據(jù)集上對(duì)比了其他傳統(tǒng)方法，實(shí)驗(yàn)得出，基于采用均方誤差函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)（ CNN-MSE）的方法較支持向量機(jī)（SVM）方法在平均召回率上提升了12. 9%，較反向傳播神經(jīng)網(wǎng)絡(luò)（ BPNN）方法在平均準(zhǔn)確率上提升了37. 9%；基于標(biāo)注結(jié)果改善的CNN-MLL方法較普通卷積神經(jīng)網(wǎng)絡(luò)的平均準(zhǔn)確率和平均召回率分別提升了23%和20%。實(shí)驗(yàn)結(jié)果表明基于標(biāo)注結(jié)果改善的CNN-MLL方法能有效地避免因人工選擇特征造成的信息缺失同時(shí)增加了對(duì)低頻詞匯的召回率。
- 基于卷積神經(jīng)網(wǎng)絡(luò)模型的Hi-C數(shù)據(jù)分辨率 32次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)的相似度計(jì)算模型 19次下載
- 基于剪枝與量化的卷積神經(jīng)網(wǎng)絡(luò)壓縮算法 6次下載
- MATLAB實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)CNN的源代碼 16次下載
- 緊湊的卷積神經(jīng)網(wǎng)絡(luò)模型研究綜述 9次下載
- 綜述深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型應(yīng)用及發(fā)展 20次下載
- 基于神經(jīng)網(wǎng)絡(luò)的遙感圖像飛機(jī)目標(biāo)檢測(cè)模型 17次下載
- 神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)的原理 7次下載
- 基于特征交換的卷積神經(jīng)網(wǎng)絡(luò)圖像分類算法 27次下載
- 基于多孔卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計(jì)模型 5次下載
- 使用多孔卷積神經(jīng)網(wǎng)絡(luò)解決機(jī)器學(xué)習(xí)的圖像深度不準(zhǔn)確的方法說(shuō)明 10次下載
- 如何使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉圖像質(zhì)量評(píng)價(jià)的資料說(shuō)明 6次下載
- 如何使用混合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行入侵檢測(cè)模型的設(shè)計(jì) 19次下載
- 基于隱馬爾科夫模型和卷積神經(jīng)網(wǎng)絡(luò)的圖像標(biāo)注方法 4次下載
- 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和運(yùn)行原理 0次下載
- 卷積神經(jīng)網(wǎng)絡(luò)共包括哪些層級(jí) 384次閱讀
- 全卷積神經(jīng)網(wǎng)絡(luò)的工作原理和應(yīng)用 374次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的壓縮方法 157次閱讀
- BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系 530次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的卷積操作 283次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別 863次閱讀
- 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 542次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的基本概念和工作原理 1204次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu) 249次閱讀
- 詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 1557次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)_卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程 1.8w次閱讀
- 詳解卷積神經(jīng)網(wǎng)絡(luò)卷積過(guò)程 1.7w次閱讀
- 一種用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò) 9742次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)分析-LeNet 2687次閱讀
- 【科普】卷積神經(jīng)網(wǎng)絡(luò)(CNN)基礎(chǔ)介紹 1.1w次閱讀
上傳資料賺積分下載排行
本周
- 1電子電路原理第七版PDF電子教材免費(fèi)下載
- 0.00 MB | 1490次下載 | 免費(fèi)
- 2單片機(jī)典型實(shí)例介紹
- 18.19 MB | 93次下載 | 1 積分
- 3S7-200PLC編程實(shí)例詳細(xì)資料
- 1.17 MB | 27次下載 | 1 積分
- 4筆記本電腦主板的元件識(shí)別和講解說(shuō)明
- 4.28 MB | 18次下載 | 4 積分
- 5開(kāi)關(guān)電源原理及各功能電路詳解
- 0.38 MB | 10次下載 | 免費(fèi)
- 6基于AT89C2051/4051單片機(jī)編程器的實(shí)驗(yàn)
- 0.11 MB | 4次下載 | 免費(fèi)
- 7基于單片機(jī)和 SG3525的程控開(kāi)關(guān)電源設(shè)計(jì)
- 0.23 MB | 3次下載 | 免費(fèi)
- 8基于單片機(jī)的紅外風(fēng)扇遙控
- 0.23 MB | 3次下載 | 免費(fèi)
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 2PADS 9.0 2009最新版 -下載
- 0.00 MB | 66304次下載 | 免費(fèi)
- 3protel99下載protel99軟件下載(中文版)
- 0.00 MB | 51209次下載 | 免費(fèi)
- 4LabView 8.0 專業(yè)版下載 (3CD完整版)
- 0.00 MB | 51043次下載 | 免費(fèi)
- 5555集成電路應(yīng)用800例(新編版)
- 0.00 MB | 33562次下載 | 免費(fèi)
- 6接口電路圖大全
- 未知 | 30320次下載 | 免費(fèi)
- 7Multisim 10下載Multisim 10 中文版
- 0.00 MB | 28588次下載 | 免費(fèi)
- 8開(kāi)關(guān)電源設(shè)計(jì)實(shí)例指南
- 未知 | 21539次下載 | 免費(fèi)
總榜
- 1matlab軟件下載入口
- 未知 | 935053次下載 | 免費(fèi)
- 2protel99se軟件下載(可英文版轉(zhuǎn)中文版)
- 78.1 MB | 537791次下載 | 免費(fèi)
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420026次下載 | 免費(fèi)
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費(fèi)
- 6電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191183次下載 | 免費(fèi)
- 7十天學(xué)會(huì)AVR單片機(jī)與C語(yǔ)言視頻教程 下載
- 158M | 183277次下載 | 免費(fèi)
- 8proe5.0野火版下載(中文版免費(fèi)下載)
- 未知 | 138039次下載 | 免費(fèi)
工商網(wǎng)監(jiān)
評(píng)論