简介：摘要：深度学习作为一种有效的机器学习方法，在各个领域都表现出了十分优秀的性能。作为一种深度学习基本模型，卷积神经网络(CNN)强大的特征学习和迁移学习能力在计算机视觉界越来越受到关注。本文介绍了卷积神经网络的基本结构，并介绍了随着时间出现的各种以卷积神经网络为基础的模型，例如Lenet、Alexnet、GoogleNet、VGGNet、ResNet，刨析并总结了各个模型的优缺点。

简介：摘要：轴承是旋转机械设备的关键部件，轴承的失效直接影响到设备的运行情况。当今机械设备的自动化和精密化水平不断提高，对轴承故障诊断的需求越来越迫切。轴承故障诊断方法按照机理主要包括振动诊断、声音识别和温度监测等，但这些方法往往需要专业知识和丰富经验，且容易受到环境噪声和人为误差的干扰。卷积神经网络通过卷积层和池化层对特征的逐级提取，可以在无需人工干预的情况下，卷积核在特定步长的运算下能从大量的轴承信号数据中学习到复杂的时空特征。因此，将卷积神经网络应用于轴承故障诊断具有很大的潜力。

简介：摘要：针对深度学习下的图像识别技术，分析图像识别和卷积神经网络的工作原理。通过了对AlexNet模型、ResNet模型、MobileNet卷积模型的学习，总结了三种算法模型的各自特点，实现了深度学习环境的搭建，最后进行实验对比三个模型的分类准确率和训练效率，为深度学习下的图像识别算法研究提供参考。

简介：摘要：及时准确地发现路面、桥梁、房屋的裂缝对做到及时维护和消除安全隐患至关重要，大规模的表面裂缝检测工程量巨大，且易受人们主观因素影响。本文构建一种基于编码器-解码器的U型网络结构，以改进的Transformer作为网络基础模块，以捕获裂缝狭长语义信息。利用卷积模块对局部强特征提取的优势，在瓶颈层处引进了空洞空间金字塔池化模块。为了弥补编码器-解码器之间的语义鸿沟，在U型网络的不同跳跃连接处插入注意力模块以更好聚合不同层次的特征信息。

简介：摘要：遥感影像分类按照是否使用先验知识分为监督分类和非监督分类。研究表明，使用先验知识的监督分类效果更好，能减少“同物异谱”和“同谱异物”现象的影响。

简介：摘要:该系统基于物联网Android应用开发，采用图像识别、数据分析等技术，对农田的数据实时监测和分析，实现降温、浇水、施肥、除草功能并通过APP将数据实时呈现在农户面前，通过摄像头观察农田同时监测农田可能出现的动物并报警进行驱赶，识别鸟类具体名称并上传至云端进行统计，解决了小型农田多且难以管理的问题并间接统计当地鸟类物种多样性，实现人与自然的和谐相处。

简介：摘要：随着信息技术的快速发展，声音识别技术在各个领域得到了广泛地应用。昆虫声音识别作为生物声学研究的一个重要分支，对于环境保护、农业害虫监测等领域具有重要意义。本文主要探讨了卷积神经网络（CNN）在昆虫声音识别中的应用，分析了CNN的优势及在昆虫声音识别中面临的挑战，并提出了相应的解决策略。

简介：摘 要：喉癌是种复发率较高的癌症，对于喉癌的早期CT识别是重要的检查手段，而最终的确诊还是得靠病理结果。CT是一种断层扫描技术，将患者检查部位断层扫描生成n张CT图片，每张CT图片都是2D图片，利用2D卷积只能识别其中一个层面的特征，不能完全利用检查部位所有特征进行检测识别。相比较之下，3D卷积神经网络能更全面的利用所有特征。

简介：摘要：作为一个复杂的神经网络系统，大脑区域和基因协同有效地存储和传递信息。本文提出将协作相关性抽象为脑区基因网络(BG-CN)，并提出了基于图卷积神经网络的阿尔兹海默症的早期治疗系统，图卷积神经网络(GCN)，用于研究脑区内部和脑区之间的信息传递。该结果可用于阿尔茨海默病(Alzheimer ' s disease, AD)的诊断和病因提取。首先，建立了BG-CN的亲和聚合模型来描述脑区间和脑区内的信息传递。其次，基于亲和聚合模型，设计了具有脑区间卷积和脑区内卷积操作的GCN体系结构。通过在AD神经成像倡议(ADNI)数据集上的充分实验验证，GCN的设计更符合生理机制，提高了可解释性和分类性能。此外，GCN可以识别受损的大脑区域和致病基因，这可能有助于AD的精准医疗和药物设计，并为其他神经系统疾病提供有价值的参考。