電子發(fā)燒友App
創(chuàng)作
發(fā)文章
發(fā)帖 
提問 
發(fā)資料
發(fā)視頻結(jié)合改進(jìn)Fisher判別準(zhǔn)則與GRV模塊的卷積神經(jīng)網(wǎng)絡(luò)
2021-03-17 |
pdf |
2.33 MB |
次下載 |
免費(fèi)
資料介紹
傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)（CNN）在建模過程中由于數(shù)據(jù)樣本量不足容易岀現(xiàn)過擬合現(xiàn)象，且對隨機(jī)數(shù)據(jù)泛化能力較差。為此，設(shè)計一種結(jié)合改進(jìn) Fisher判別準(zhǔn)則與GRⅤ模塊的卷積神經(jīng)網(wǎng)絡(luò)（ FDCNN）。使用CNN學(xué)習(xí)從輸入圖像到多維歐式空間的映射關(guān)系，采用基于改進(jìn) Fisher判別準(zhǔn)則的損失函數(shù)進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練并將人臉樣本數(shù)據(jù)投影到低維空間，保證類內(nèi)離散度盡量小的同時類間離散度盡量大以達(dá)到最佳人臉分類效果。引入融合Googlenet、 Res net和 Vggnet網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)的GRⅤ模塊，提高CNN網(wǎng)絡(luò)表達(dá)能力并降低網(wǎng)絡(luò)模型復(fù)雜度。實(shí)驗(yàn)結(jié)果表明，當(dāng)訓(xùn)練樣本數(shù)量為840時， FDCNN模型在CBCL數(shù)據(jù)集上的識別率為93.4%，相比傳統(tǒng)CNN模型、基于改進(jìn) Fisher判別準(zhǔn)則的全連接神經(jīng)網(wǎng)絡(luò)模型等網(wǎng)絡(luò)模型識別率更高且泛化能力更好。
下載該資料的人也在下載
下載該資料的人還在閱讀
更多 >
- 卷積神經(jīng)網(wǎng)絡(luò)入門詳解 0次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)檢測方法綜述 62次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)等的碳鋼石墨化智能評級 56次下載
- 基于多列卷積神經(jīng)網(wǎng)絡(luò)的人群計數(shù)算法 6次下載
- 深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)層級分解綜述 5次下載
- 基于剪枝與量化的卷積神經(jīng)網(wǎng)絡(luò)壓縮算法 6次下載
- MATLAB實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)CNN的源代碼 16次下載
- 緊湊的卷積神經(jīng)網(wǎng)絡(luò)模型研究綜述 9次下載
- 神經(jīng)網(wǎng)絡(luò)到卷積神經(jīng)網(wǎng)絡(luò)的原理 7次下載
- 基于特征交換的卷積神經(jīng)網(wǎng)絡(luò)圖像分類算法 27次下載
- 端到端深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)識別商家招牌 8次下載
- 如何使用混合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行入侵檢測模型的設(shè)計 19次下載
- 卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值反向傳播機(jī)制和MATLAB的實(shí)現(xiàn)方法 14次下載
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像標(biāo)注模型 4次下載
- 卷積神經(jīng)網(wǎng)絡(luò)的振動信號模態(tài)參數(shù)識別 5次下載
- 卷積神經(jīng)網(wǎng)絡(luò)共包括哪些層級 1457次閱讀
- 全卷積神經(jīng)網(wǎng)絡(luò)的工作原理和應(yīng)用 1237次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的壓縮方法 401次閱讀
- BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系 1677次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)在視頻處理中的應(yīng)用 696次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的卷積操作 1559次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)的區(qū)別 3582次閱讀
- 深度學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 978次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的基本概念和工作原理 3962次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu) 515次閱讀
- 詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 2241次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)_卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程 1.8w次閱讀
- 詳解卷積神經(jīng)網(wǎng)絡(luò)卷積過程 1.8w次閱讀
- 卷積神經(jīng)網(wǎng)絡(luò)CNN架構(gòu)分析-LeNet 2769次閱讀
- 【科普】卷積神經(jīng)網(wǎng)絡(luò)(CNN)基礎(chǔ)介紹 1.1w次閱讀
上傳資料賺積分下載排行
本周
- 1STM32開發(fā)板教程之STM32開發(fā)指南免費(fèi)下載
- 24.88 MB | 176次下載 | 3 積分
- 2EN60335-1安規(guī)標(biāo)準(zhǔn) 中文版本
- 1.86 MB | 52次下載 | 1 積分
- 3LT7406FJ N溝道增強(qiáng)型功率MOSFET規(guī)格書
- 1.38 MB | 2次下載 | 免費(fèi)
- 4STM32系列產(chǎn)品選型-中文
- 1.81 MB | 1次下載 | 免費(fèi)
- 5LTS6802FJCB N溝道增強(qiáng)型功率MOSFET規(guī)格書
- 1.00 MB | 1次下載 | 免費(fèi)
- 6運(yùn)算放大電路入門教程
- 0.70 MB | 1次下載 | 免費(fèi)
- 7米爾-瑞芯微RK3562核心板開發(fā)板，4核CPU，ARM中量級多面手
- 3.45 MB | 1次下載 | 免費(fèi)
- 8開源鴻蒙版真4K顯示器廣告機(jī)主板AIoT-6780SE彩頁
- 613.79 KB | 1次下載 | 免費(fèi)
本月
- 1STM32開發(fā)板教程之STM32開發(fā)指南免費(fèi)下載
- 24.88 MB | 176次下載 | 3 積分
- 2DeepSeek:從入門到精通
- 5.36 MB | 92次下載 | 1 積分
- 3EN60335-1安規(guī)標(biāo)準(zhǔn) 中文版本
- 1.86 MB | 52次下載 | 1 積分
- 4OAH0428最新規(guī)格書（中文）
- 2.52 MB | 27次下載 | 10 積分
- 5UHV系列雷電沖擊電壓發(fā)生器試驗(yàn)裝置詳細(xì)說明使用
- 1.07 MB | 17次下載 | 免費(fèi)
- 6Altium-常用3D封裝庫(Step)接插件篇
- 4.95 MB | 14次下載 | 免費(fèi)
- 7介紹一些常用的電子元器件
- 3.20 MB | 7次下載 | 免費(fèi)
- 8麻將機(jī)升降電路
- 0.12 MB | 6次下載 | 1 積分
總榜
- 1matlab軟件下載入口
- 未知 | 935124次下載 | 10 積分
- 2開源硬件-PMP21529.1-4 開關(guān)降壓/升壓雙向直流/直流轉(zhuǎn)換器 PCB layout 設(shè)計
- 1.48MB | 420063次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233088次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191371次下載 | 10 積分
- 5十天學(xué)會AVR單片機(jī)與C語言視頻教程 下載
- 158M | 183336次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81583次下載 | 10 積分
- 7Keil工具M(jìn)DK-Arm免費(fèi)下載
- 0.02 MB | 73814次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65988次下載 | 10 積分
工商網(wǎng)監(jiān)
評論