导读:本文包含了局部网络论文开题报告文献综述及选题提纲参考文献，主要关键词:时空双流网络,残差连接,多级局部融合,KTH
局部网络论文文献综述
马翠红,王毅,毛志强[1]（2019）在《基于时空双流与局部融合网络的行为识别》一文中研究指出针对视频中部分行为时间跨度长,可能由于行为模糊或视频散焦导致信息受损的问题,提出一种具有残差连接的多级局部融合网络,以提高视频人体行为识别的准确率。通过传统的双流卷积神经网络分别提取视频的表观运动特征和长时运动特征。通过局部融合模块捕获相邻帧的信息来增强每帧特征信息。局部融合以多级方式执行,在时间维度上对不同的邻域进行特征融合。融合模块采用残差连接,能进行有效的梯度传播,实现端到端的训练。在人体行为KTH数据集上进行了测试,识别准确率高达98.9%。(本文来源于《工业控制计算机》期刊2019年11期）
陈亮雨,李卫疆[2]（2019）在《多形状局部区域神经网络结构的行人再识别》一文中研究指出目的目前,行人再识别领域将行人图像的全局和局部特征相结合的方法已经成为基本的解决方法。现有的基于局部特征的方法更多的是侧重于定位具有特定的语义区域,这样增加了学习难度,并且对于差异较大的图像场景不具有鲁棒性。为了解决上述问题,通过对网络结构进行改进提出一种多形状局部区域网络(MSPN)结构,它具有多分支并将横向和纵向条状的特征作为局部特征,能够端到端进行训练。方法网络的多个分支设计可以同时获得多粒度和多形状的局部特征,其中一个分支表示全局特征的学习,两个分支表示横条状不同粒度的局部特征学习,最后一个分支表示竖条状局部特征学习。网络不再学习定位具有特定语义的区域,而是将图像提取的特征切分成横向和竖向的若干条作为局部特征。不同分支条的形状和数量不一致,最后获得不同粒度或不同形状的局部特征信息。因为切分方向的不同,多粒度多形状的局部特征缓解了行人在不同图像中无法对齐的问题。结果在包括Market-1501、Duke MTMC-ReID和CUHK03在内的主流评估数据集上的综合实验表明,多形状局部区域神经网络和现有的主要方法相比具有更好的表现。其中在数据集Market-1501上达到84. 57%的平均准确率(m AP)和94. 51%的rank-1准确率。结论多形状局部区域网络能够学习得到判别能力更强的深度学习模型,从而有效地提升行人再识别的准确率。(本文来源于《中国图象图形学报》期刊2019年11期）
Y.F.He,J.P.Guo,X.Y.Ding,P.M.A.van,Ooijen,Y.P.Zhang[3]（2019）在《基于术前MRI的卷积神经网络模型预测骨巨细胞瘤刮除术后局部复发的可能性》一文中研究指出摘要目的使用基于术前MR和临床特征的深度卷积神经网络(CNN)模型预测骨巨细胞瘤(GCTB)刮除术后局部复发的可能性。材料与方法收集56例经刮除术后组织病理(本文来源于《国际医学放射学杂志》期刊2019年06期）
郭小娟[4]（2019）在《基于局部异常因子的信息网络流量异常检测》一文中研究指出网络流量异常问题是网络遭受攻击的一种表现,通常会引起网络丢包、网络延迟、甚至造成网路堵塞和瘫痪,严重威胁着网络性能和安全。因此,对于网络流量异常进行有效检测,对保障网络的正常运行具有重要意义。设计了一种基于局部异常因子的信息网络流量异常检测方案,在局部异常因子算法的基础上通过MVC模型,采用了SOA结构,通过计算最邻近点的K值,实现网络流量异常检测。在仿真实验中人为制造异常点,对比本文方法与传统方法的检测效果,结果表明设计的方案优于传统异常检测方法。(本文来源于《信息通信》期刊2019年11期）
蒋斌,刘虹雨,杨超,涂文轩,赵子龙[5]（2019）在《一种基于局部属性生成对抗网络的人脸修复算法》一文中研究指出最近对神经网络模型的研究在图像修复任务中显示出巨大的潜力,其核心任务是理解图像语义信息并重建缺失的图像内容.这些研究可以生成语义和内容上合理的结构和纹理,但通常会导致与孔洞周围区域不一致的扭曲结构或模糊纹理,特别是人脸图像修复问题.人脸图像修复工作经常需要为包含大量外观元素以及局部属性的缺失区域(例如眼睛或嘴巴)生成语义上的新内容,这些缺失区域往往具有独特的属性和语义信息从而导致生成内容不合理.为了解决以上问题,提出了一个有效的深度神经网络模型,模型的生成器结合全连接卷积和U-net网络的优越特性,同时提出局部属性辨别器使修复内容具有创新性的同时也能够使整体与局部保持语义一致性.模型不仅提升了对于人脸图像整体语义信息的感知能力,同时也基于局部属性能够有效地修复人脸关键部位,通过在CelebA数据集上的实验证明了该模型能够有效地修复人脸缺失部分并且能够生成新颖的修复内容.(本文来源于《计算机研究与发展》期刊2019年11期）
李定,马静,杨萌林,张文生[6]（2019）在《面向群体行为识别的非局部网络模型》一文中研究指出目的视频行为识别一直广受计算机视觉领域研究者的关注,主要包括个体行为识别与群体行为识别。群体行为识别以人群动作作为研究对象,对其行为进行有效表示及分类,在智能监控、运动分析以及视频检索等领域有重要的应用价值。现有的算法大多以多层递归神经网络(RNN)模型作为基础,构建出可表征个体与所属群体之间关系的群体行为特征,但是未能充分考虑个体之间的相互影响,致使识别精度较低。为此,提出一种基于非局部卷积神经网络的群体行为识别模型,充分利用个体间上下文信息,有效提升了群体行为识别准确率。方法所提模型采用一种自底向上的方式来同时对个体行为与群体行为进行分层识别。首先从原始视频中沿着个人运动的轨迹导出个体附近的图像区块;随后使用非局部卷积神经网络(CNN)来提取包含个体间影响关系的静态特征,紧接着将提取到的个体静态特征输入多层长短期记忆(LSTM)时序模型中,得到个体动态特征并通过个体特征聚合得到群体行为特征;最后利用个体、群体行为特征同时完成个体行为与群体行为的识别。结果本文在国际通用的Volleyball Dataset上进行实验。实验结果表明,所提模型在未进行群体精细划分条件下取得了77.6%的准确率,在群体精细划分的条件下取得了83.5%的准确率。结论首次提出了面向群体行为识别的非局部卷积网络,并依此构建了一种非局部群体行为识别模型。所提模型通过考虑个体之间的相互影响,结合个体上下文信息,可从训练数据中学习到更具判别性的群体行为特征。该特征既包含个体间上下文信息、也保留了群体内层次结构信息,更有利于最终的群体行为分类。(本文来源于《中国图象图形学报》期刊2019年10期）
赤娜[7]（2019）在《二维片上网络局部均匀随机通信质量检测仿真》一文中研究指出多径条件下的二维片上网络局部均匀随机通信信道容易受到扰动效应的影响,导致信道均衡性不好,二维片上网络通信质量不高,为了提高通信质量,提出基于波特间隔均衡调节的二维片上网络局部均匀随机通信质量检测方法。构建二维片上网络局部均匀随机通信的信道模型,采用大数据调度方法进行二维片上网络传输信号调制处理,结合抗干扰滤波算法进行二维片上网络局部均匀随机通信传输的干扰抑制,通过波特间隔均衡器进行二维片上网络局部均匀随机通信信道均衡控制,实现二维片上网络局部均匀随机通信质量检测。仿真结果表明,采用上述方法进行二维片上网络局部均匀随机通信质量检测的准确性较高,信道均衡性较好,提高了二维片上网络局部均匀随机通信的质量,降低了输出误比特率。(本文来源于《计算机仿真》期刊2019年10期）
毛振宇,李方利,叶玉明,王朋朋,袁秋实[8]（2019）在《基于BP神经网络算法的电缆局部放电类型模式识别》一文中研究指出利用计算机技术的模式识别已被运用到了局部放电分析领域。与人工识别相比,其识别结果准确,识别速度快,有很大的发展潜力。现研究了基于BP神经网络算法的电缆局部放电模式识别技术,简述了模式识别的原理,重点研究了BP神经网络的结构及算法,并利用BP神经网络对电缆典型绝缘缺陷局部放电类型进行模式识别。(本文来源于《机电信息》期刊2019年27期）
郑文萍,吴志康,杨贵[9]（2019）在《一种基于局部中心性的网络关键节点识别算法》一文中研究指出关键节点识别已经成为分析与理解复杂网络特性、结构、功能的有效方式.提出了一种基于节点中心性的关键节点识别算法框架(greedy algorithm for critical node problem, GCNP),根据某种中心性指标选择一个网络的初始点覆盖集;从网络中删除该点覆盖集,迭代选择点覆盖集中使原网络连通节点对增加最小的节点向原网络回添,直至点覆盖集中节点满足用户给定的待删除关键节点数.为了更好地选择初始的节点覆盖集,提出了一种基于局部拓扑信息的节点中心性度量指标(local neighbor centrality, LNC).在16个人工网络和9个真实网络上的实验结果表明:与单独使用各中心性指标相比,采用GCNP算法框架可以提高算法性能.此外,所提的节点中心性度量指标LNC较度中心性(degree centrality, DC)、LocalRank中心性、K壳中心性(K-Shell, KS)、局部度和中心性(local degree sum centrality, LDS)能更准确地评估节点的重要性.(本文来源于《计算机研究与发展》期刊2019年09期）
缪永伟,李高怡,鲍陈,张旭东,彭思龙[10]（2019）在《基于卷积神经网络的图像局部风格迁移》一文中研究指出图像风格迁移是计算机图形学和计算机视觉的一个研究热点。针对现有的图像风格迁移方法中难以对内容图局部区域进行风格迁移的难点,提出了一种基于卷积神经网络的图像局部风格迁移框架。首先,根据输入的内容图和风格图,利用图像风格迁移网络生成全局风格迁移图;然后,利用图像语义分割网络,通过自动语义分割生成的掩码确定图像前景区域与背景区域;最后,利用掩码图确定风格迁移区域并融合未迁移区域得到图像局部风格迁移结果,同时提出一种基于曼哈顿距离的图像融合算法以优化局部风格迁移对象与未迁移区域之间边界的衔接和平滑过渡。该框架综合考虑了目标区域和边界带的像素值、位置等细节信息,在3个公开的图像数据集上进行实验,结果表明该方法能够高效、快速并自然地实现输入内容图的局部风格迁移,生成艺术性与真实性和谐并存的视觉效果。(本文来源于《计算机科学》期刊2019年09期）
局部网络论文开题报告
（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：
目的目前,行人再识别领域将行人图像的全局和局部特征相结合的方法已经成为基本的解决方法。现有的基于局部特征的方法更多的是侧重于定位具有特定的语义区域,这样增加了学习难度,并且对于差异较大的图像场景不具有鲁棒性。为了解决上述问题,通过对网络结构进行改进提出一种多形状局部区域网络(MSPN)结构,它具有多分支并将横向和纵向条状的特征作为局部特征,能够端到端进行训练。方法网络的多个分支设计可以同时获得多粒度和多形状的局部特征,其中一个分支表示全局特征的学习,两个分支表示横条状不同粒度的局部特征学习,最后一个分支表示竖条状局部特征学习。网络不再学习定位具有特定语义的区域,而是将图像提取的特征切分成横向和竖向的若干条作为局部特征。不同分支条的形状和数量不一致,最后获得不同粒度或不同形状的局部特征信息。因为切分方向的不同,多粒度多形状的局部特征缓解了行人在不同图像中无法对齐的问题。结果在包括Market-1501、Duke MTMC-ReID和CUHK03在内的主流评估数据集上的综合实验表明,多形状局部区域神经网络和现有的主要方法相比具有更好的表现。其中在数据集Market-1501上达到84. 57%的平均准确率(m AP)和94. 51%的rank-1准确率。结论多形状局部区域网络能够学习得到判别能力更强的深度学习模型,从而有效地提升行人再识别的准确率。
（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。
局部网络论文参考文献
[1].马翠红,王毅,毛志强.基于时空双流与局部融合网络的行为识别[J].工业控制计算机.2019
[2].陈亮雨,李卫疆.多形状局部区域神经网络结构的行人再识别[J].中国图象图形学报.2019
[3].Y.F.He,J.P.Guo,X.Y.Ding,P.M.A.van,Ooijen,Y.P.Zhang.基于术前MRI的卷积神经网络模型预测骨巨细胞瘤刮除术后局部复发的可能性[J].国际医学放射学杂志.2019
[4].郭小娟.基于局部异常因子的信息网络流量异常检测[J].信息通信.2019
[5].蒋斌,刘虹雨,杨超,涂文轩,赵子龙.一种基于局部属性生成对抗网络的人脸修复算法[J].计算机研究与发展.2019
[6].李定,马静,杨萌林,张文生.面向群体行为识别的非局部网络模型[J].中国图象图形学报.2019
[7].赤娜.二维片上网络局部均匀随机通信质量检测仿真[J].计算机仿真.2019
[8].毛振宇,李方利,叶玉明,王朋朋,袁秋实.基于BP神经网络算法的电缆局部放电类型模式识别[J].机电信息.2019
[9].郑文萍,吴志康,杨贵.一种基于局部中心性的网络关键节点识别算法[J].计算机研究与发展.2019
[10].缪永伟,李高怡,鲍陈,张旭东,彭思龙.基于卷积神经网络的图像局部风格迁移[J].计算机科学.2019