简介:摘要 手写数字识别技术在近年来的应用逐渐广泛,人们对手写数字识别技术的要求也逐渐增高。卷积神经网络模型由于其良好的功能越来越广地被应用与手写数字识别领域,识别精度也在逐渐提高。本文首先针对卷积神经网络的构成结构进行简单的叙述,之后针对卷积神经网络技术在手写数字识别领域中各种形式的优化与其应用进行综述,最后分析了目前手写数字识别技术的主要优点以及还存在的不足,并进一步展望未来的研究发展方向。
简介:摘要:深度学习是人工智能领域的重要研究方向,TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍,在Tensorflow框架基础之上实现了U-Net网络模型;然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。
简介:摘要:基于卷积神经网络的隐写分析能够实现更高维特征的表达,提高检测精度方面取得了突破性的进展。本文首先阐述了隐写分析的历史背景、研究意义和研究现状,然后对隐写分析目前使用的两种主要方法进行了归纳和总结。最后,详细阐述了目前基于卷积神经网络的隐写分析技术存在的不足和面临的威胁,并以此为基础,讨论了下一步隐写分析可能的研究方向。
简介:摘要:近几年,入室盗窃、抢劫等事件屡有发生,人们的生命财产安全受到威胁。随着社会经济的发展和信息化的进步,人们对家居安防的要求越来越高,财产和人身安全已成为家居安防的首要要求。目前家居安防的应用已经比较广泛,最常见的就是在居民住宅区安置摄像头,通过家庭电脑端控制。虽然这种方式可以监控整个住宅环境,但是缺乏时效性,用户无法在事故发生的第一时间获取信息,而且成本比较高。因此针对这些问题,本文设计了基于卷积神经网络的智能家庭安防监控系统,通过卷积神经网络对摄像头采集的图像进行实时目标检测;然后将识别结果和视频链接通过单片机发送至用户手机端,把单片机的便捷与卷积神经网络算法的强大功能相结合,能够让用户在第一时间得知住宅情况,打破了传统的家居安防系统模式,使家居安防更加智能化。
简介:摘要:肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病,CT影像不仅能直观地显示病变部位,还可提供诸如病灶形态、密度等信息,在早期发现和治疗过程中发挥着重要作用,也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上,开展肺部病变的判断以及病灶区域的分割定位研究,可以大幅提高诊疗速度,协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开,区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法,研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法,在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集,并利用U-Net及相关改进网络模型,在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘,并获得到相对较高的分割精度。实验结果表明,通过在所处理的近300张数据集上进行实验,可以得到近85%的准确度。