卷积神经网络专辑
卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”。对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络 ；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域 。卷积神经网络仿造生物的视知觉（visual perception）机制构建，可以进行监督学习和非监督学习，其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化（grid-like topology）特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程（feature engineering）要求 。为了更深入了解相关概念，整合了本刊发表的卷积神经网络方面的相关研究论文，共计15篇。制作了卷积神经网络专辑，欢迎浏览。
主题关键词： 卷积神经网络计算机应用
- 论文汇编
基于双输入3D卷积神经网络的胰腺分割算法
摘要：针对胰腺分割难以获得较高准确率的问题，本文提出了一种基于双输入3D卷积神经网络的胰腺分割算法。首先，通过增加输入切片间上下文残差信息突出边界区域；然后，引入注意力机制抑制无用特征、增加有效特征的表达，提高了胰腺的分割准确率；最后，将该算法在NIH胰腺分割数据集上进行评估。实验结果表明，本文算法性能优先于对比的主流算法。关键词：计算机应用;医学图像;胰腺分割;上下文残差信息;注意力机制72|203|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于多尺度级联卷积神经网络的高光谱图像分析
摘要：在样本有限情况下对象级别的叶片高光谱图像建模中，提出了多尺度三维和一维级联卷积神经网络模型。首先，在三维卷积神经网络（3D-CNN）中嵌入扩张卷积增大卷积核感受野，构建了多尺度3D-CNN，提取和融合不同尺度的光谱-空间联合特征，在不增加网络参数的情况下提升了模型性能。然后，对最优多尺度3D-CNN网络级联一维卷积神经网络（1D-CNN），进一步降低计算复杂度和过拟合程度。最后，在罗勒叶片叶绿素含量回归和辣椒叶片干旱胁迫识别两类数据集上进行最优网络框架探究并对比了一系列基准CNN模型。结果表明，对于叶片高光谱图像回归和分类，本文模型均能在小样本条件下有效提升模型泛化性能并降低计算复杂度。关键词：农业电气化与自动化;高光谱图像;化学计量学;多尺度级联卷积神经网络;扩张卷积;植物表型63|155|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于多支路卷积神经网络的磁瓦表面缺陷检测算法
摘要：针对磁瓦表面缺陷检测难度大和精度低的问题，提出了一种新的磁瓦表面缺陷检测算法。首先，设计了一种多支路网络结构，并在各支路中构建了一种能有效提取磁瓦图像特征的卷积神经网络；然后，引入注意力模块突出图像的重要特征；最后，通过判别相关分析使同类特征的相关性和不同类特征的差异性最大化，并通过级联融合得到优化的磁瓦图像融合特征。在磁瓦图像数据集上，对算法检测性能进行了测试，测试精度达到99.90%；在实际检测工作中，本文算法的检测准确率保持在99%以上，检测速度达到129块/min。实验和运行结果表明：本算法检测精度高，性能稳定可靠，能满足磁瓦大批量生产实时在线检测要求。关键词：计算机应用;磁瓦;缺陷检测;多支路;卷积神经网络;特征融合59|157|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于卷积神经网络的微带滤波器结构参数估计
摘要：针对神经网络微波建模耗时难的问题，提出了一种基于卷积神经网络的微带滤波器结构参数估计方法。采用单开路短截线加载矩形环谐振器和横向信号干扰技术分析和设计了一款双频带、三频带和四频带的微带滤波器，并利用电磁仿真软件提取数据。将微带滤波器的S参数和结构参数分别作为模型的输入和输出进行训练，并通过训练好的模型进行结构参数预测。利用卷积神经网络设计微带滤波器的方法，能够有效解决目前基于神经网络设计微带滤波器时输入参数较多、全连接造成模型复杂以及耗时长等问题。仿真结果表明，该方法设计的微带滤波器S参数有较高的准确率。关键词：电磁学;环形谐振器;带通滤波器;卷积神经网络;结构参数估计28|37|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于Mask R⁃CNN和上下文卷积神经网络的肺结节检测
摘要：为了提高肺癌的早期诊断效果，提出了一种基于深度学习架构的肺结节检测算法，设计了基于V-Net和R-CNN混合的Mask R-CNN肺结节检测模块和基于多尺度与上下文的肺结节假阳性衰减网络。该算法首先使用V-Net进行肺结节定位，再使用3D R-CNN进行假阳性衰减，判断候选区域是否为真实肺结节。算法中引入Inception网络设计了V-Net多尺度模块，实现肺结节定位；设计3D R-CNN肺结节检测模型，融合肺结节定位结果，确定假阳性肺结节候选区域；设计的假阳性衰减网络分类模型，实现了对肺结节进行去假阳性判断，提升检测有效性。实验结果显示，本算法取得了0.97的FROC值，较已有算法提升了5%，表明本算法对肺癌早期检测和诊断具有较好的临床意义。关键词：计算机应用;肺结节检测;卷积神经网络;循环神经网络;多尺度特征融合;上下文卷积25|26|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于卷积神经网络的数字图像模糊增强算法
摘要：为了解决数字图像灰度信息丢失、边缘模糊导致的图像效果不佳等问题，提出基于卷积神经网络的数字图像模糊增强算法。以图像灰度级作为论域构建特征模糊集合，拟定模糊隶属度，基于模糊熵计算图像边缘灰度值，同时，构建不同光照环境下限制对比度均衡派生图、伽马转换派生图、对数转换派生图、两通道增强派生图，借此微小调整图像像素方差，强化细节信息的表达，增强隶属度；最后，通过卷积神经网络筛选图像内渡越点，以此调整图像内对比度、平均亮度与像素方差，实现数字图像的模糊增强。实验结果表明，采用本文方法增强数字图像模糊的效果较好、且不易受环境影响。关键词：卷积神经网络;数字图像;模糊增强;模糊隶属度;对比度;渡越点46|45|0<HTML><网络PDF><WORD>更新时间：2025-05-26像素级卷积神经网络多聚焦图像融合算法
摘要：提出了一种用于多聚焦图像融合的卷积神经网络（CNN）。与现有的基于CNN的图像融合方法将源图像分解成几个小块，然后使用一个分类器来估计图像块是否聚焦相比，本文方法直接将整个图像转换成一个决策图。像素级回归策略可以充分利用互补信息，解决了聚焦/散焦区域周围模糊程度估计的困难。此外，在图像融合领域，应用环形残差网络（RResNet）模块来提取更多聚焦区域的语义信息。同时，利用结构相似度（SSIM）估计生成的融合图像与参考图像之间的结构相似性以提高融合图像的质量，同时采用边缘保留损失函数来保留源图像中更多的梯度信息。实验结果表明：该方法在主观视觉效果和客观评价方面均优于其他融合算法。关键词：多聚焦图像融合;深度学习;像素级回归;卷积神经网络43|47|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于改进卷积神经网络的交通目标检测方法
摘要：针对现有交通场景中目标检测方法精确度较低、对设备性能要求高的问题，提出了一种基于改进YOLOv3网络的目标检测方法。针对完全交并比函数在特殊情况下对预测框与真实框重合程度衡量不准确的问题，对其进行改进，提出了一种新的交并比函数PIOU，提升了检测精度。通过增加检测尺度，实现了特征图细化和增强深、浅层语义信息融合，达到增强小目标检测能力的目的。通过添加SE注意力机制模块，使模型更重视学习重要通道的特征信息；通过融合局部特征与全局特征获得新的特征图，进一步提高了检测精度。针对数据集特性提出了M-YOLT增强方法，改善了小目标检测性能。通过对网络进行结构性通道剪枝降低了设备性能要求，并采用Matrix NMS替换NMS以提升检测速度。实验结果表明：改进的方法在改善检测效果的同时降低了检测时间，在KITTI数据集上的测试达到最高88.4%的mAP，比原始YOLOv3提升了6.3%；或在保持86.3%mAP的情况下使平均检测时间下降至8.6 ms。该方法在对设备硬件要求较低的情况下能够实现较好的检测效果。关键词：智能交通;目标检测;深度学习;卷积神经网络;YOLO180|65|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于多尺度融合卷积神经网络的熔解曲线有效性分类
摘要：针对熔解曲线图像中峰值分类的问题，提出了一种基于多尺度融合的卷积神经网络（CNN）分类模型。首先，将通过空洞卷积获取到的多尺度上下文信息与残差模块提取到的特征信息相融合，弥补了深层网络丢失全局信息的缺点。不同于传统卷积采用单一卷积核的方式，本文使用了一种卷积核的权值随输入而变化的动态滤波器，从而提高了网络学习的准确性。此外，为了提高模型的泛化能力，本文创建了熔解曲线的数据集，其中包括平衡数据集和不平衡数据集。将6个基于深度学习的分类方法与本文方法进行比较，结果表明本文方法在客观评价指标上明显优于其他方法。关键词：图像分类;卷积神经网络;多尺度融合;熔解曲线;动态滤波器40|36|0<HTML><网络PDF><WORD>更新时间：2025-05-26基于卷积神经网络的柴油机失火故障实时诊断
摘要：针对发动机的失火故障，提出了一种基于卷积神经网络（CNN）的失火诊断方法，构建了基于STM32单片机的柴油机失火故障实时诊断系统。通过STM32CubeMX软件将柴油机失火故障诊断的卷积神经网络写入到单片机中，在试验过程中利用单片机的定时器输入捕获功能采集柴油机的转速信号，且将上止点信号作为转速采集的触发信号，将采集到的转速进行预处理作为卷积神经网络的输入。通过柴油机台架试验证明，所建立的柴油机失火实时诊断系统在较宽的转速与负荷工况下有较高的诊断准确率。关键词：柴油机;失火故障诊断;卷积神经网络;STM32单片机50|26|0<HTML><网络PDF><WORD>更新时间：2025-05-26
