基于融合特征门控的三维卷积神经网络的视频检索方法.pdf
努力****亚捷
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于融合特征门控的三维卷积神经网络的视频检索方法.pdf
一种基于融合特征门控的三维卷积神经网络的视频检索方法,由数据集预处理、划分数据集、构建三维卷积神经网络、训练三维卷积神经网络、测试三维卷积神经网络步骤组成。本发明对三维卷积神经网络进行了优化和提升,解决了现有技术中检索精度低的技术问题,且为解决同类问题提供一种不同的构思方案,采用了3个特征门控,特征门控采用重置门和更新门构成,解决了现有技术中视频信息冗余信息技术问题,能够更加精确地提取视频特征信息,为进一步检索奠定基础。本发明具有检索精度度稿、检索速度快、检索效果好等优点,可用于视频图像的检索。
基于卷积神经网络的视频检索方法及系统.pdf
本发明公开了一种基于卷积神经网络的视频检索方法及系统,所述方法包括:首先构建基于卷积神经网络的计算模型;通过图像数据对计算模型进行训练,得到优化计算模型;去除模型中的分类器,得到提取计算模型;对已有视频资源进行转场帧的提取,并通过提取计算模型提取得到转场帧的转场特征,建立转场特征数据库;将待检索的视频进行转场帧的提取得到转场特征,将转场特征在转场特征数据库中进行检索,得到视频的检索结果。所述基于卷积神经网络的视频检索方法及系统通过将视频内的转场帧作为数据处理的对象,不仅提高了检索过程的鲁棒性,而且去除了冗
基于特征筛选和深度融合的卷积神经网络特征融合算法.pdf
本发明公开了一种基于特征筛选和深度融合的卷积神经网络特征融合算法。方法包括如下步骤:(1)、将来自同一幅影像的多个不同的卷积特征按照通道进行拼接。然后对拼接后的特征进行批量归一化,来调整各层输出特征的分布。(2)对融合后的综合特征进行包括挤压、激励和注意三个过程的特征筛选。(3)通过一维卷积对多个特征进行深度融合,进一步挖掘各个特征的信息和特征信息之间的关系。(4)最后对深度融合的特征进行激活,通过激活函数把激活的特征保留并映射出来。本发明可以明显提升深度学习方法中多特征(多尺度特征融合、注意力特征融合等
基于较优视图和深度卷积神经网络的三维模型检索方法.pdf
本发明涉及基于较优视图和深度卷积神经网络的三维模型检索方法,本发明首先从多个视点提取三维模型的视图,并按照灰度熵的排序选取较优视图。其次通过深度卷积神经网络对视图集进行训练,从而提取视图的深度特征并进行降维。同时,对输入的自然图像提取边缘轮廓图,经过相似度匹配返回一组三维模型。最后,基于目标模型所属类别占检索结果比例对结果列表进行微调重排,返回最终的检索结果以实现三维模型检索,此方法有效选取了较优视图,降低了视图冗余,并使用深度特征对视图进行更高层的表达,有效提高了检索效果。
基于卷积神经网络融合特征的雷达目标识别方法及系统.pdf
本发明提供了基于卷积神经网络融合特征的雷达目标识别方法及系统,采用神经网络同时提取多普勒谱分布和时频谱分布的微多普勒特征,并利用特征构造融合特征,实现高性能的雷达目标识别。本发明采用深度卷积神经网络模型,分别提取多普勒谱空间的分布特征和时频谱空间的分布特征,同时利用不同空间上的深层抽象特征构成融合特征矢量,利用融合特征矢量实现两类特征的信息互补,以增强雷达目标的识别性能,提高识别准确率,得到特征对应的目标识别类型。