论文研究全卷积神经网络的多尺度人脸检测的研究.pdf

针对图像序列三维重建中多视角目标分割需要人工参与、任务繁重的问题，提出一种基于卷积神经网络改进的图像自动分割方法。首先将序列图像去噪处理、归一化并进行语义标注后制作数据集；然后对改进的融合多尺度特征和

为了提高卷积神经网络（CNN）在图像隐写分析领域的分类效果，构建了一个新的卷积神经网络模型（steganalysis-convolutionalneuralnetworks，S-CNN）进行隐写分析。

为了应对大量图像的分类问题，提出一种基于深度卷积神经网络和CUDA-cuDNN并行运算的快速图像分类方法。该方法利用深度卷积神经网络自动学习特征的优势来解决手工设计特征普适性差等问题，同时结合基于CU

针对传统两级手写汉字识别系统中手写汉字识别的特征提取方法的限制问题，提出了一种采用卷积神经网对相似汉字自动学习有效特征进行识别的系统方法。该方法采用来自手写云平台上的大数据来训练模型，基于频度统计生成

基于轻量化卷积神经网络的大米分选实验，董玉德，甘骐榕，在大米质量控制的问题上，传统的人工分选方法已经无法满足生产要求。通过对轻量化卷积神经网络在大米分类问题上的研究，检验了Mob

已有的基于屏幕空间的环境光遮蔽计算方法虽然保证了计算的实时性，但是存在估计失真以及细节丢失等难以解决的问题。针对该问题，提出了一种结合低频光线追踪采样以及蒙特卡罗去噪的算法框架对环境光遮蔽进行实时计算

针对当前卷积神经网络（Convolutional Neural Networks，CNN）模型通常将网络最后一层的输出作为特征表示，未能充分利用网络中间层的不足，提出了一种联合中间层的CNN模型（In

探究了基于卷积神经网络的句子级别的中文文本情感分类，模型以文本经过预处理后得到的词向量作为输入。传统的卷积神经网络是由线性卷积层、池化层和全连接层堆叠起来的，提出以跨通道卷积层替代传统线性卷积滤波器，

基于多特征融合卷积神经网络的人脸表情识别

基于卷积神经网络的人脸识别研究_叶浪.caj