导读:本文包含了卷积方法论文开题报告文献综述及选题提纲参考文献，主要关键词:纹理合成,卷积神经网络,克莱姆矩阵,纹理特征
卷积方法论文文献综述
高明慧,张尤赛,王亚军,李垣江[1]（2019）在《应用卷积神经网络的纹理合成优化方法》一文中研究指出针对传统纹理合成方法特征提取困难以及合成周期较长的问题,提出一种基于卷积神经网络的纹理合成优化方法。通过优化VGGNet卷积神经网络的结构,并提出增加批量归一化BN层的方法,来提高网络训练速度和减少参数过拟合现象;通过计算每层得到的纹理图像特征响应的克莱姆矩阵,构建克莱姆矩阵集合来表达纹理特征;由梯度下降算法计算梯度,通过L-BFGS优化算法最小化损失函数,合成纹理图像。实验结果表明,该方法可以有效提高模型训练速度,减少参数过拟合现象,合成高质量的图像。(本文来源于《计算机工程与设计》期刊2019年12期）
娄润东,陈俊彪,侯宏花,刘艳莉,田珠[2]（2019）在《基于深度卷积神经网络的细胞分类新方法》一文中研究指出针对现有的细胞分类方法在准确率方面无法满足人们要求的现象,本文提出一种基于深度卷积神经网络的细胞分类新方法:嵌套残差网络(Multiple Residual Neural Network,M-ResNet).该方法以深度学习理论为基础,在原始ResNet50基础上添加了更高级别的快捷连接(嵌套快捷连接),以挖掘残差网络的优化能力.实验采取宫颈癌细胞作为数据集进行了细胞分类方法测试,其中3 528幅作为训练集,350幅作为测试集.通过与ResNet50网络模型进行对比实验,得出测试结果表明:该方法可以有效提高细胞分类的正确率和工作效率,验证了该方法的有效性.这些研究对卷积神经网络的应用和细胞分类方法的发展有着重要的意义,有很好的现实价值.(本文来源于《测试技术学报》期刊2019年06期）
朱晓铭,王仲悦,陈林海,张帅,王云峰[3]（2019）在《基于卷积自编码器的心电压缩方法》一文中研究指出为了有效地实现心电信号压缩,以便心电数据的传输和存储,提出了一种基于卷积自编码器的心电压缩方法。通过卷积神经网络对心电图特征提取易实现降维,在卷积自编码器的编码过程中来实现心电压缩,将编码层作为压缩结果。卷积神经网络处理多通道的输入,因此可以实现导联体系的心电压缩。结果采用均方根百分误差和压缩比作为评判标准,单导联心电图压缩比为16,十二导联心电图压缩比为24,均方根损失误差在3%左右,从而验证了卷积自编码器的有效性。(本文来源于《电子设计工程》期刊2019年22期）
杨杰敏,郭保琪,罗汉江,林建成[4]（2019）在《基于深度卷积网络的港口集装箱属性识别方法》一文中研究指出计算机目标识别技术在智慧港口建设中有广泛需求和应用,本文提出一种基于深度卷积神经网络的集装箱箱门及铅封识别方法,该方法充分利用卷积神经网络自身的频率选择特性以及产生平移、旋转、缩放不变性特征的能力,对卷积网络中间层的深度表征进行分析,提取与检测目标相关的特征图子集。通过对特征子集进行组合,产生能够检测目标的显着性分布特征图,并设计相应的目标函数。最后通过实验,对集装箱箱门、铅封等相关目标进行检测,取得良好效果,验证了该方法的有效性。(本文来源于《中国海洋大学学报(自然科学版)》期刊2019年12期）
吴鹏,牛斌,马利,徐和然[5]（2019）在《融合皮肤检测的卷积姿势机手势分割方法》一文中研究指出为解决复杂背景的手势分割问题,提出一种基于融合皮肤检测的卷积姿势机手势分割方法。通过两个CNN网络得到训练的手势分割部分和皮肤分割部分,通过最后一阶段的CNN网络输出最终的手势分割图像,皮肤分割的准确性对最终分割图像起辅助作用,其中核心部分即手势分割部分采用卷积姿势机网络,并运用中间监督的思想将皮肤信息融合。该网络将手势轮廓和经皮肤提取的手势细节结合,分别对轮廓、皮肤、融合3个子网络进行训练,结果对比提取手势的其它方法,验证了该方法的有效性。(本文来源于《计算机工程与设计》期刊2019年11期）
付傲威,赵敏,罗令,邢妍,邓欢[6]（2019）在《自由立体显示中基于深度卷积神经网络的虚拟视点生成方法》一文中研究指出传统虚拟视点生成采用像素填充法对生成的虚拟视点图像进行空洞填充和伪影修复,其修复效果无法满足自由立体显示需求。为了获取高质量的虚拟视点图像,提出了一种基于深度卷积神经网络的虚拟视点生成方法。该方法采用随机初始化的深度卷积神经网络作为图像先验,经过卷积神经网络结构的不断迭代,对虚拟视点图像的空洞和伪影进行修复,并将得到的高质量虚拟视点图像合成为自由立体图像,用于自由立体显示。修复后的虚拟视点图像的PSNR均值为25.6,相比传统像素填充方法有明显提升。实验结果表明,所提方法能够实现高质量的自由立体显示效果。(本文来源于《液晶与显示》期刊2019年11期）
谢春丽,蔺疆旭,刘小洋,张文斌,黄军伟[7]（2019）在《改进的卷积神经网络源代码相似性度量方法》一文中研究指出源代码相似性是指不同代码段功能上的相似程度,是软件工程领域一项重要的研究问题.现有的方法主要从文本、结构两方面,利用代码的统计学特征计算相似性,其最大缺点就是无法表达代码的语义特征.为解决此类问题,提出了一种融合统计信息的卷积神经网络(statistics information for code embedding-convolutional neural networks, SICE-CNN)源代码相似性检测方法.该方法首先通过词嵌入对源代码进行信息表示,获取代码的词嵌入向量信息;其次,构建CNN训练模型学习源代码文档的嵌入表示;最后,计算源代码对的余弦相似值.实验表明,该方法和一般词嵌入方法相比提高了一定的性能,能较好地检测源代码的语义相似性.(本文来源于《应用数学和力学》期刊2019年11期）
席阿行,赵津,周滔,胡秋霞[8]（2019）在《卷积神经网络行为克隆方法在无人车上的研究》一文中研究指出为了减少智能车在特定环境下无人驾驶的成本,设计一套卷积神经网络行为克隆方法的无人驾驶系统。该系统模仿人类学习的过程,通过卷积神经网络预测车辆状态方法实现无人驾驶。采用普通的视觉传感器获取环境信息。先研究卷积神经网络行为克隆方法,并搭建基于Linux系统的树莓派智能小车,设计2组实验验证该方法的准确性。该方法已成功地应用于首届"DIY Robocars KuaiKai"无人驾驶全球挑战赛小车组,结果表明卷积神经网络行为克隆方法可以实现特定环境下的无人驾驶。(本文来源于《现代电子技术》期刊2019年22期）
姜恬静,和欣,何军,冯姣,李鹏[9]（2019）在《结合卷积和长短期记忆网络的长文分类方法》一文中研究指出现如今互联网成为了传播信息的主要平台,人们使用关键词在海量的文档中快速获取想要的信息.这要求论文文献有明确的分类和标签.传统的文献分类方法通常提取关键词或关键句,利用文本的局部信息进行分析,对于方向相似的科技论文,传统的局部分析的方法区分度不高,分类不够明确易产生混淆.本文提出了一种对文献进行全局分析,自动生成标签的长文分类方法.为了降低卷积神经网络(Convolutional Neural Network,CNN)的深度,同时通过遍历全文捕获全局信息,本文提出了随机抽样算法将文献拆分为多个部分.然后,结合卷积神经网络和长短期记忆网络(Long Short-Term Memory,LSTM),提取各部分的局部特征,记忆各部分特征的相关性,得出分类结果.实验结果表明,与基于局部分析的文本分类方法相比,本文提出的长文分类方法能够更准确地区分方向相似的长文文献.(本文来源于《小型微型计算机系统》期刊2019年11期）
陈华华,查永亮[10]（2019）在《基于卷积神经网络的人体行为识别方法》一文中研究指出为了更高效地识别视频中的人体行为,解决长时间视频密集采样导致计算成本过高的问题,提出一种深度残差网络和BN-Inception网络相组合的空间时间网络。用深度残差网络构建视频的空间网络,并用BN-Inception网络构建视频的时间网络。通过稀疏采样的方式提取视频中的图像和光流特征图,并将视频图像送入空间网络训练,将光流送入时间网络训练,得出各自的行为识别准确率,再将空间网络和时间网络的输出得分进行融合,得出最终识别准确率。在UCF-101和HMDB-51数据集上分别取得了94.5%和70.1%的准确率,优于很多行为识别方法。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2019年06期）
卷积方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对现有的细胞分类方法在准确率方面无法满足人们要求的现象,本文提出一种基于深度卷积神经网络的细胞分类新方法:嵌套残差网络(Multiple Residual Neural Network,M-ResNet).该方法以深度学习理论为基础,在原始ResNet50基础上添加了更高级别的快捷连接(嵌套快捷连接),以挖掘残差网络的优化能力.实验采取宫颈癌细胞作为数据集进行了细胞分类方法测试,其中3 528幅作为训练集,350幅作为测试集.通过与ResNet50网络模型进行对比实验,得出测试结果表明:该方法可以有效提高细胞分类的正确率和工作效率,验证了该方法的有效性.这些研究对卷积神经网络的应用和细胞分类方法的发展有着重要的意义,有很好的现实价值.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
卷积方法论文参考文献
[1].高明慧,张尤赛,王亚军,李垣江.应用卷积神经网络的纹理合成优化方法[J].计算机工程与设计.2019
[2].娄润东,陈俊彪,侯宏花,刘艳莉,田珠.基于深度卷积神经网络的细胞分类新方法[J].测试技术学报.2019
[3].朱晓铭,王仲悦,陈林海,张帅,王云峰.基于卷积自编码器的心电压缩方法[J].电子设计工程.2019
[4].杨杰敏,郭保琪,罗汉江,林建成.基于深度卷积网络的港口集装箱属性识别方法[J].中国海洋大学学报(自然科学版).2019
[5].吴鹏,牛斌,马利,徐和然.融合皮肤检测的卷积姿势机手势分割方法[J].计算机工程与设计.2019
[6].付傲威,赵敏,罗令,邢妍,邓欢.自由立体显示中基于深度卷积神经网络的虚拟视点生成方法[J].液晶与显示.2019
[7].谢春丽,蔺疆旭,刘小洋,张文斌,黄军伟.改进的卷积神经网络源代码相似性度量方法[J].应用数学和力学.2019
[8].席阿行,赵津,周滔,胡秋霞.卷积神经网络行为克隆方法在无人车上的研究[J].现代电子技术.2019
[9].姜恬静,和欣,何军,冯姣,李鹏.结合卷积和长短期记忆网络的长文分类方法[J].小型微型计算机系统.2019
[10].陈华华,查永亮.基于卷积神经网络的人体行为识别方法[J].杭州电子科技大学学报(自然科学版).2019