典型文献
基于多尺度融合卷积神经网络的熔解曲线有效性分类
文献摘要：
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.
文献关键词：
图像分类;卷积神经网络;多尺度融合;熔解曲线;动态滤波器
中图分类号：
作者姓名：
李向军;涂洁莹;赵志宾
作者机构：
南昌大学软件学院,南昌330047;南昌大学计算机科学与技术系,南昌330031
文献出处：
引用格式：
[1]李向军;涂洁莹;赵志宾-.基于多尺度融合卷积神经网络的熔解曲线有效性分类)[J].吉林大学学报（工学版）,2022(03):633-639
A类：
B类：
多尺度融合,融合卷积神经网络,熔解曲线,曲线图,中峰,分类模型,空洞卷积,取到,多尺度上下文,上下文信息,残差模块,特征信息,深层网络,全局信息,一卷,卷积核,权值,动态滤波器,网络学习,泛化能力,不平衡数据集,分类方法,客观评价指标,上明,其他方法,图像分类
AB值：
0.341072
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
