圖像分類
- 基于深度學習特征融合的遙感圖像場景分類應用
度.關鍵詞 圖像分類；卷積神經網絡；灰度共生矩陣；局部二值模式；遷移學習；支持向量機中圖分類號TP183文獻標志碼A0 引言隨著遙感技術的不斷發(fā)展[1]，遙感圖像分類被廣泛應用于土地管理、城市規(guī)劃、交通監(jiān)管等眾多領域[2].然而，目前遙感場景圖像包含的信息和結構豐富復雜，如何合理利用遙感圖像中豐富的信息獲取精準有效的特征，還面臨諸多挑戰(zhàn)[3].遙感圖像場景分類中常用傳統(tǒng)手工特征提取圖像的特征，包括顏色直方圖、紋理特征、全局特征信息 （GIST）、尺度不變特
南京信息工程大學學報 2023年3期2023-07-06
- 基于教材分析設計深度體驗的AI課程
了以“中草藥圖像分類”為主題的圖像識別項目式學習課程“常見中草藥圖像分類小助手”，將AI教育與傳統(tǒng)文化教育相融合，提出了一種人工智能教學活動設計新范例?！娟P鍵詞】圖像分類；中草藥識別；AI課程【中圖分類號】G434? ?【文獻標識碼】A【論文編號】1671-7384（2023）06-011-03“人工智能基礎”單元教材分析根據(jù)2022年教育部頒布的義務教育階段信息科技課程標準中關于“人工智能與智慧生活”模塊的要求，初中階段學生應深化人工智能原理認識，探索利
中小學信息技術教育 2023年6期2023-06-23
- 基于軟注意力機制的圖像分類算法在缺陷檢測中的應用
CNN，提升圖像分類和表面缺陷檢測的性能。使用該算法的ResNet網絡在CIFAR-100數(shù)據(jù)集和紡織品缺陷數(shù)據(jù)集上的準確率分別達到83.22%和77.98%，優(yōu)于經典注意力機制SE與最新的Fca等方法。關鍵詞：缺陷檢測；注意力機制；卷積神經網絡；圖像分類中圖分類號：TP391.4? 文獻標識碼：A? 文章編號：2096-4706（2023）03-0151-04Application of Image Classification Algorithm Ba
現(xiàn)代信息科技 2023年3期2023-06-22
- 基于空間注意力的圖像分類網絡研究
：針對以往的圖像分類方法利用手工提取的特征（或通過神經網絡提取的特征）、空間信息關注不足等問題，文章提出一種基于空間注意力的圖像分類網絡。該網絡利用空間注意力模塊，對深度網絡提取的視覺特征進行空間約束。利用特征的空間信息，使得網絡能夠對特征在空間上的重要性加以區(qū)分，從而使其更具判別性。采用CIFAR-10和CIFAR-100測試集分別進行測試，測試結果表明，該文提出的圖像分類網絡的圖像分類效果明顯優(yōu)于其他深度學習方法。關鍵詞：空間注意力；深度學習；計算機視
現(xiàn)代信息科技 2023年2期2023-06-22
- 基于卷積神經網絡的圖像分類改進方法研究
要：針對傳統(tǒng)圖像分類方法準確率較低的問題，提出一種基于卷積神經網絡和遷移學習思想的圖像分類改進方法。利用遷移學習的思想改進卷積神經網絡的網絡結構及網絡參數(shù)，然后利用TensorFlow框架實現(xiàn)該模型并對MNIST數(shù)據(jù)集進行分類，最后將改進卷積神經網絡模型的分類準確率與傳統(tǒng)分類方法進行對比分析。實驗結果表明，改進卷積神經網絡模型的分類準確率高達99.37%，分類性能明顯優(yōu)于其他方法。關鍵詞：卷積神經網絡；遷移學習；TensorFlow；圖像分類中圖分類號：T
現(xiàn)代信息科技 2023年5期2023-06-22
- 基于改進的VGG13網絡的番茄葉片病害識別
雙線性池化；圖像分類中圖法分類號：TP183 文獻標識碼：A1引言番茄在生長的過程中，產量受光照、濕度和病蟲害等影響。其中，病蟲害的影響最為嚴重。農作物病蟲害不但影響作物的品質，而且減少產量。當番茄植株有病蟲害時，通常會大規(guī)模使用農藥進行噴灑處理，但當使用農藥時，會影響番茄的生長，并且番茄果實有許多的農藥殘留。所以，在病蟲害暴發(fā)的初期，需要合理地利用農藥并控制在一定的范圍內，才能有效地避免產量降低。隨著計算機技術和機器學習的快速發(fā)展，出現(xiàn)了許多相應技術。傳
計算機應用文摘·觸控 2023年2期2023-02-08
- 基于圖結構的圖像注意力網絡
測試表明，在圖像分類和人臉識別任務中，展現(xiàn)了優(yōu)異的性能和普遍適用性。關鍵詞：深度學習;注意力機制;圖像分類;人臉識別隨著計算機性能的提升，卷積神經網絡（convolutional neural network，CNN）廣泛地運用于圖像領域。經過多年的研究，基于卷積神經網絡的網絡架構取得了重大的成功。HE等提出了殘差網絡，可以跳層連接的殘差單元有效地解決梯度消失與梯度爆炸問題，使得網絡的深度成倍增長，進而圖像注意力機制逐漸受到關注。WANG等使用編碼器-解碼
電子產品世界 2022年7期2022-07-24
- 基于EfficientNet-B0的肺癌病理圖像分類
胞病理圖像;圖像分類;分組卷積;【中圖分類號】R734.2 【文獻標識碼】A 【文章編號】2026-5328（2022）03--011引言根據(jù)國際癌癥研究機構在2020年全球癌癥數(shù)據(jù)報告中顯示[1]，全球有1930萬個新的癌癥病例產生，約有1000萬癌癥患者死亡，其中肺癌發(fā)病率居世界第二位，占全球癌癥發(fā)病量的11.4%;其死亡率居世界首位，占總體癌癥死亡數(shù)的18.0%。為了提高肺癌患者的生存率，早期確診和治療是必要的。2018年，Khosravi等人[
錦州醫(yī)科大學報 2022年3期2022-06-06
- 一種圖像分類中基于元學習的漸進式原型網絡技術研究
元學習; 圖像分類中圖分類號： TP 311??? 文獻標志碼： A??? 文章編號： 1000-5137（2022）02-0217-04DU Gang， HU Jialei， JIANG Xiaoyuan， ZHOU Xiaolin， ZHANG Shuo（School of Information Science and Technology， Fudan University， Shanghai 200433， China） In this pap
上海師范大學學報·自然科學版 2022年2期2022-06-01
- 基于非霍奇金淋巴瘤分類的深度學習方法研究
瘤數(shù)字病理學圖像分類技術進行了概述和總結，并重點闡述了卷積神經網絡對病理學圖像分類。最后，對深度學習在淋巴瘤診斷、預后和治療中面臨的挑戰(zhàn)分享了觀點。關鍵詞：深度學習;非霍奇金淋巴瘤;醫(yī)學圖像;特征提取 ;圖像分類中圖分類號：TP301? ? ?文獻標識碼：A文章編號：1009-3044（2022）10-0071-03淋巴瘤俗稱“淋巴癌”，是淋巴T細胞或B細胞的克隆性惡性腫瘤。根據(jù)世界衛(wèi)生組織的淋巴惡性腫瘤分類標準，全世界每年有28萬人被診斷為淋巴惡性腫瘤，
電腦知識與技術 2022年10期2022-05-30
- 基于遷移學習的OCT視網膜圖像分類研究
絡；OCT；圖像分類中圖分類號：TP183? ? ? ? 文獻標識碼：A文章編號：1009-3044（2022）34-0029-031 概述隨著全球經濟的持續(xù)增長，生活水平的大幅提高，醫(yī)療條件的改善，人類的平均壽命已達到了前所未有的水平。但是，由于與眼睛健康相關的退化效應隨著年齡的增長而增加，因此眼病的發(fā)病率也隨之增加。與此同時，隨著數(shù)字化的發(fā)展，人類在屏幕前花費的時間越來越多，這進一步加劇了眼部相關疾病的問題[1-2]。 OCT視網膜圖像是醫(yī)生判斷黃斑是
電腦知識與技術 2022年34期2022-02-20
- 基于卷積神經網絡的乳腺癌良惡性診斷
積神經網絡;圖像分類;數(shù)據(jù)增強;遷移學習中圖分類號：TP391? ? ?文獻標識碼：A文章編號：2096-1472（2022）-01-06-04Abstract： In order to improve the accuracy of benign and malignant diagnosis for breast cancer pathological images， this paper proposes a diagnosis method for
軟件工程 2022年1期2022-01-04
- 基于機器學習的小樣本學習綜述
樣本學習; 圖像分類; 數(shù)據(jù)增強文章編號：2095-2163（2021）07-0191-06中圖分類號：[HT5”XBS〗TP391文獻標志碼：AA survey of few-shot learning based on machine learningHU Xifan， CHEN Shiping（School of Optical-Electrical & Computer Engineering， University of Shanghai for
智能計算機與應用 2021年7期2021-12-07
- 基于幕墻檢測與清洗機器人的缺陷識別算法優(yōu)化
缺陷識別; 圖像分類文章編號： 2095-2163（2021）07-0134-04中圖分類號：TP391.41文獻標志碼： AOptimization of defect recognitionalgorithm based on curtain wall inspection and cleaning robotZHANG Pei， BAO Zhaohua， YANG Rongjian（School of Mechanical and Automotiv
智能計算機與應用 2021年7期2021-12-07
- 基于Core ML的智能植物健康檢測App的設計與實現(xiàn)
;機器學習;圖像分類;植物檢測中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2021）30-0013-04開放科學（資源服務）標識碼（OSID）：植物與人類的生存環(huán)境息息相關。園林植物為城市增添了新的景色，具有美化環(huán)境的作用。植物葉片的光合作用能凈化空氣，蒸騰作用增加空氣濕度，有效地調節(jié)和改善環(huán)境小氣候。一份由70多個國家250名科學家和專家撰寫的聯(lián)合國報告警告稱，地球環(huán)境已遭到嚴重破壞，人類健康正受到越來越大的威脅。需要大
電腦知識與技術 2021年30期2021-11-28
- 一種基于Resnet的巖石薄片識別方法
：巖石薄片;圖像分類;卷積神經網絡;殘差網絡中圖分類號：TP18? ? ? ? ? 文獻標識碼：A文章編號：1009-3044（2021）28-0107-03開放科學（資源服務）標識碼（OSID）：A Resnet-based Recognition Method of Rock SlicesJIA Li-ming， LIANG Shao-hua（College of Computer Science， Yangtze University， Hubei
電腦知識與技術 2021年28期2021-11-28
- 面向輕量化網絡的改進雙通道注意力機制圖像分類方法
ar-100圖像分類數(shù)據(jù)集進行實驗對比。 結果表明： 相對于改進MobileNetV2， 在參數(shù)量和計算復雜度基本不變的基礎上， 分類精度優(yōu)于傳統(tǒng)的VGG16， ResNet18和DenseNet卷積網絡， 綜合性能更強， 更適合彈載計算資源有限情況下的快速分類。關鍵詞： MobileNetV2; 注意力機制; 圖像分類; 卷積神經網絡;? 輕量化網絡; 人工智能中圖分類號： TJ760; TP183? 文獻標識碼：??? A? 文章編號： 1673-50
航空兵器 2021年5期2021-11-12
- 基于樹莓派的智能垃圾分類桶設計
;語音識別;圖像分類中圖分類號：TP18? ? ? ? ?文獻標識碼：A文章編號：1009-3044（2021）25-0114-02Abstract：In view of current social demand for garbage classification industry， this paper Designs a Raspberry Pi， Microbit as the main control to achieve informatio
電腦知識與技術 2021年25期2021-11-07
- 基于雙神經網絡模型的智能零售柜設計與實現(xiàn)
;圖像檢測;圖像分類;智能零售柜;神經網絡模型中圖分類號：TP181? ? ? 文獻標識碼：A文章編號：1009-3044（2021）26-0009-05開放科學（資源服務）標識碼（OSID）：Design and Implementation of Intelligent Retail Cabinet Based on Double Neural Network ModelZENGMin1，WU Sheng-jian2， LI Fang1， CHEN Z
電腦知識與技術 2021年26期2021-10-18
- 基于集成卷積神經網絡的LiDAR數(shù)據(jù)分類
LiDAR;圖像分類;深度學習;卷積神經網絡;集成學習DOI：10.15938/j.jhust.2021.04.019中圖分類號：TP391文獻標志碼：A文章編號：1007-2683（2021）04-0138-08Abstract：Aiming at the problems of artificially designed middle and low-level features that are difficult to classify LiDAR
哈爾濱理工大學學報 2021年4期2021-10-07
- 卷積神經網絡在茶葉分級中的應用
級問題轉化為圖像分類問題，通過拍攝不同等級茶葉圖像訓練模型后，模型即可通過茶葉圖像識別相應茶葉等級。通過實驗驗證常見卷積神經網絡ResNet18、ResNet50、GoogleNet和DensenNet均能夠準確識別六種不同等級綠茶。該方法對茶葉圖像沒有特殊要求，操作方便、識別效率高。關鍵詞： 茶葉分級;計算機視覺;農業(yè)信息化;卷積神經網絡;圖像分類中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2021）23-0110-04
電腦知識與技術 2021年23期2021-09-24
- 基于卷積神經網絡技術實現(xiàn)街道字符識別
任務，尤其在圖像分類任務中，卷積神經網絡憑借其極高的分類準確率，使用率已經遠超過傳統(tǒng)的機器學習算法。街道字符識別作為圖像分類任務的一種，為了完成這個分類任務，全文基于卷積神經網絡技術，首先對數(shù)據(jù)集進行讀取、并針對數(shù)據(jù)量較少問題，采取一系列的數(shù)據(jù)增強操作，然后完成卷積神經網絡模型的構造。通過對模型的訓練，測試結果顯示測試集和驗證集準確率分別為0.9523和0.7453，出色地完成了對街道字符的識別任務，并驗證了所搭建模型的有效性和優(yōu)異性。關鍵詞：深度學習;卷
電腦知識與技術 2021年22期2021-09-14
- 基于支持向量機的圖像分類
支持向量機;圖像分類引言隨著數(shù)字圖像的日益增多，圖像檢索技術在不斷的向前推進。圖像檢索技術的發(fā)展經過了基于關鍵字檢索的“以字找圖”方式和基于圖像底層特征相似性比較的“以圖找圖”方式。在理想的狀況下，用戶期望根據(jù)圖像的高層語義進行檢索得到有用的圖像。在利用圖像高層語義進行檢索之前，對圖像數(shù)據(jù)庫進行語義分類是一個有效的方法，具有相同語義的圖像一般也都具有相似的視覺特征，使得將圖像按語義進行分類成為可能。圖像分類僅僅試圖將圖像歸并到某一種語義類別中，從而實現(xiàn)圖像
科技研究 2021年15期2021-09-10
- 基于人臉識別的圖像分類系統(tǒng)方案探討
習人臉識別的圖像分類系統(tǒng)方案，旨在解決人們電腦或手機中存儲的大量圖片分類不方便的問題。關鍵詞：人臉識別;深度學習;圖像分類0 引言隨著人們生活水平的提高和信息技術的不斷發(fā)展，拍照已經成為人們工作、學習以及日常生活中必不可少的一部分，但隨著照片越拍越多，手機或電腦中存儲了大量的照片，當人們想要使用或查找某一類照片時就非常不方便，而圖像分類系統(tǒng)正是一個很好的解決方案。圖像分類在日常生活中的應用非常廣泛，例如各類購物軟件上的拍照購服務，各種搜索引擎中的圖片搜索服
無線互聯(lián)科技 2021年5期2021-09-10
- 通過風格遷移的濃霧天氣條件下無人機圖像目標檢測方法
;目標檢測;圖像分類中圖分類號： TP751; V279? 文獻標識碼： A? ?文章編號：1673-5048（2021）03-0022-090 引? 言隨著科學技術的快速發(fā)展，無人機技術不斷取得新進展。無人機趨于微型化、自動化、智能化，因而被廣泛應用在軍事和民事領域[1]，如自然災害檢測調查、空中偵察預警、航空監(jiān)測等。目標檢測作為無人機感知和理解環(huán)境的重要手段，是計算機視覺的一項基礎而又高難度的任務[2]，長久以來一直被國內外學者所研究。目標檢測算法中的
航空兵器 2021年3期2021-08-23
- 基于卷積神經網絡的物流貨物圖像分類研究
環(huán)境下貨物的圖像分類問題進行了研究。首先，在實際物流環(huán)境下收集了13種貨物的 ROI圖像，并通過每隔10°旋轉的方式來擴充數(shù)據(jù)集以防止過擬合現(xiàn)象的發(fā)生;然后，在考慮了實際硬件條件的情況下構建了輕量級 CNN ，并進行了基于自建數(shù)據(jù)集的訓練，訓練實驗發(fā)現(xiàn)，輕量級 CNN模型具有很快的收斂速度并在驗證集取得了100%的準確率;最后，研究了旋轉對貨物圖像分類性能的影響，并進行了可視化分析，驗證了 CNN對旋轉操作基本不具備一致性。關鍵詞：卷積神經網絡;圖像分類;
機電工程技術 2021年12期2021-08-21
- 基于自我監(jiān)督預處理的食物圖像分類
片，因此食物圖像分類的應用價值也越來越大，對食品推薦、營養(yǎng)搭配、烹飪文化等方面都產生了積極的影響。盡管食物圖像分類有著巨大的應用潛力，但從圖像中識別食物仍然是一項具有挑戰(zhàn)性的任務。為了解決食物的細粒度識別問題，本文提出了一種基于自我監(jiān)督預處理的食物圖像分類模型，通過自我監(jiān)督的學習方式更高程度地學習食物圖像特征。該模型在基于密集連接網絡的食物圖像分類模型DenseFood基礎上搭建，采用上下文恢復的自我監(jiān)督策略，將訓練好的網絡權重用于初始化DenseFood
智能計算機與應用 2021年3期2021-08-09
- 基于深度學習的陶瓷類目識別
礎。關鍵詞：圖像分類;陶瓷;深度學習中圖分類號：TP311? ? ?文獻標識碼：A文章編號：1009-3044（2021）13-0174-02應用新一代信息技術改造提升傳統(tǒng)產業(yè)是陶瓷產業(yè)發(fā)展的必經之路。陶瓷產品數(shù)字化設計和自動化建模是陶瓷工業(yè)數(shù)字化轉型的基礎。本文嘗試通過對平面圖像中陶瓷器型特征的提取進行分類，并依據(jù)器型特征快速建立三維模型，為陶瓷產品的數(shù)字化設計與數(shù)字化制造奠定基礎。依據(jù)陶瓷平面圖像進行產品分類的主要難點是表面特征相互交錯，不能簡單通過它
電腦知識與技術 2021年13期2021-07-19
- 一種快速低秩的判別子字典學習算法及圖像分類
普拉斯矩陣;圖像分類文章編號： 2095-2163（2021）01-0051-04 中圖分類號：TP391 文獻標志碼：A【Abstract】This paper proposes a fast， low-rank discriminative sub-dictionary learning algorithm. In the training phase， the low-rank constraint terms of the sub-dictiona
智能計算機與應用 2021年1期2021-07-11
- 基于AlexNet的南通藍印花布紋樣分類
et? ? 圖像分類引言南通藍印花布作為我國最早成功申報的國家非物質文化遺產項目之一。經過數(shù)年的摸索、研究與實踐，工藝美術大師吳元新先生于1996年創(chuàng)辦全國第一家集收藏、展示、研究、傳承為一體的南通藍印花布博物館，并進行了大量的理論性研究與挖掘，收藏、整理出明清以來實物及圖片資料上萬件，保存的上萬的紋樣紙版，出版《中國藍印花布紋樣大全》藏品卷、紋樣卷等等;為保護傳統(tǒng)的藍印花布印染技藝，弘揚藍印花布夯實了理論基礎。然而，種類繁多的藍印花布紋樣所承載的文化內涵
中國新通信 2021年6期2021-07-01
- 基于GoogLeNet模型的遙感圖像識別分類研究
t模型的遙感圖像分類識別算法，利用NWPU-RESISC 45遙感影像數(shù)據(jù)集進行實驗，本文方法能夠達到90%的分類精度。關鍵詞：GoogLeNet;圖像分類;遙感圖像文獻標識碼： A? ? 中圖分類號： TP391.4中圖分類號：TP39? ? ? 文獻標識碼：A文章編號：1009-3044（2021）12-0004-03Abstract：The classification algorithm of traditional image processin
電腦知識與技術 2021年12期2021-05-24
- 基于CNN池化和進化策略的一般神經網絡圖像分類研究
失比較常見，圖像分類研究很有必要。CNN池化能夠提取到輸入矩陣的重要特征，降低數(shù)據(jù)的維度。進化策略是模仿生物“優(yōu)勝劣汰”進化方式的一種啟發(fā)式算法，能快速找到問題的解。本文基于CNN池化提取一組有正確標簽的圖像的特征，搭建層數(shù)為3的神經網絡，進化策略優(yōu)化初始權重，通過訓練集訓練分類模型，通過測試集來驗證模型的優(yōu)劣，并使最終的模型實現(xiàn)對未知類別圖像的高效分類。實例驗證階段收集10類100張犬類圖片，按照各研發(fā)步驟進行實驗，算法結果驗證了進化策略優(yōu)化權重的必要及
智能計算機與應用 2021年2期2021-05-11
- 基于遷移學習的注意力膠囊網絡
題，近年來在圖像分類中受到了極大的關注。由于膠囊網絡的研究尚處于起步階段，因此目前大多數(shù)膠囊網絡研究成果在復雜數(shù)據(jù)集上表現(xiàn)的分類性能較差。為解決這個問題，本文提出了一種新的膠囊網絡，即基于遷移學習的注意力膠囊網絡。該網絡通過使用遷移學習的方法改進傳統(tǒng)的特征提取網絡，并融合注意力機制模塊，進而完成圖像分類任務。首先，使用9層采用ELU激活函數(shù)的特征提取網絡提取特征;然后，將特征提取網絡在ImageNet數(shù)據(jù)集上訓練所得參數(shù)，通過遷移學習用于CIFAR10數(shù)據(jù)
智能計算機與應用 2021年2期2021-05-11
- 基于超像素的高分辨率遙感圖像分類算法
、特征提取、圖像分類三個步驟。首先，通過SLIC算法將遙感圖像劃分為若干個大致均勻的超像素;接著，對超像素的顏色特征、紋理特征進行特征提取;最后，將提取出的超像素特征作為隨機森林算法的輸入，對超像素進行分類。該文使用提出的方法在泰日線遙感圖像上進行測試，取得了有效的結果。關鍵詞：遙感影像;圖像分類;超像素;圖像特征;圖像分割中圖分類號：TP751? ? ? 文獻標識碼：A文章編號：1009-3044（2021）36-0010-04開放科學（資源服務）標識碼
電腦知識與技術 2021年36期2021-03-07
- 基于遷移學習的腫瘤病理學數(shù)據(jù)分析研究
DOC算法;圖像分類;VGG16模型中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2021）34-0099-03伴隨著人類社會高速發(fā)展的同時，環(huán)境的破壞大大提高了惡性腫瘤的發(fā)病率，癌癥的防治形勢仍然需要大眾廣泛的努力。癌癥發(fā)現(xiàn)得越晚，治愈概率越小，同時，組織病理學圖像在臨床分析中會耗費醫(yī)生大量的時間和精力，而且存在判斷錯誤的現(xiàn)象，所以癌癥的及時發(fā)現(xiàn)仍是全世界的難題。而利用計算機輔助設計（CAD）[1]自動處理病理學圖像不僅可
電腦知識與技術 2021年34期2021-03-04
- 基于并行卷積核交叉模塊的卷積神經網絡設計
卷積核; 圖像分類; 特征提取; 結果分析中圖分類號： TN926?34; TP391.4 ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）24?0182?05Design of convolution neural network based on parallel convolution kernel cross moduleWANG Xinjiao， ZENG Sh
現(xiàn)代電子技術 2020年24期2020-12-28
- 基于ResNet和雙向LSTM融合的物聯(lián)網入侵檢測分類模型構建與優(yōu)化研究
STM網絡;圖像分類;物聯(lián)網中圖分類號：TP183? ? ? ? ? ? ? ? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：1674—2974（2020）08—0001—08Abstract：In order to improve the performance of the Internet of Things （IOT） network intrusion detection model， Residual Networks （ResNet
湖南大學學報·自然科學版 2020年8期2020-12-21
- 均衡FCM算法在農作物遙感影像解譯中的應用
;面積提取;圖像分類中圖分類號：S127文獻標識碼：A文章編號：1000-4440（2020）05-1163-06Abstract：To solve the conventional fuzzy C-means clustering algorithm（FCM algorithm） problems including slow convergence speed for large data sets， the occurrence of neglect
江蘇農業(yè)學報 2020年5期2020-12-09
- 基于圖像分類技術的數(shù)字檔案管理探究
述一種建立在圖像分類技術基礎上的數(shù)字檔案管理系統(tǒng)，并從特征提取、向量機培訓及分類這兩個方面入手就系統(tǒng)管理情況進行分析概述。以此為基礎就數(shù)字化檔案管理系統(tǒng)框架、基于統(tǒng)一知識的內容流程及多層可重用知識內容結構等內容進行了探究分析，以此推動數(shù)字檔案管理工作發(fā)展。關鍵詞：圖像分類;數(shù)字檔案;檔案管理DOI：10.12249/j.issn.1005-4669.2020.27.088基于圖像分類技術的數(shù)字檔案管理系統(tǒng)涵蓋了智能倉庫、數(shù)字貨架、衛(wèi)星定位等多個子系統(tǒng)，兼具
卷宗 2020年27期2020-11-30
- 顧及鄰域空間約束的極化SAR圖像模糊聚類算法
%。關鍵詞：圖像分類 ?空間約束 ?極化SAR ?模糊聚類中圖分類號：TN957 ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1672-3791（2020）10（a）-0020-03Abstract： The traditional fuzzy clustering algorithms are sensitive to noise and ignore the information of neighboring pixel
科技資訊 2020年28期2020-11-23
- 基于卷積神經網絡的人臉表情識別
批量歸一化;圖像分類中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：1009-3044（2020）16-0019-05開放科學（資源服務）標識碼（OSID）：Abstract： Facial expression recognition has a broad application prospect in the areas such as medicine， business and criminal investigation. The re
電腦知識與技術 2020年16期2020-09-28
- 灰色關聯(lián)分析和支持向量機的運動視頻圖像分類研究
傳統(tǒng)運動視頻圖像分類方法存在變化檢測性能較差的問題，設計基于灰色關聯(lián)分析和支持向量機的運動視頻圖像分類方法，通過決策降噪算法對運動視頻圖像進行降噪處理，將運動視頻圖像劃分成一個3×3的濾波鄰域窗口對其進行降噪，結合八鄰域搜索方法與并行圖像算法對運動視頻圖像的特征進行提取，獲取運動視頻圖像特征區(qū)域的具體輪廓，針對運動視頻圖像特征區(qū)域的具體輪廓實施輪廓追蹤，合并追蹤輪廓時可能產生的多個記錄序列表，基于灰色關聯(lián)分析對運動視頻圖像特征的關聯(lián)程度進行分析，并通過支持
現(xiàn)代電子技術 2020年18期2020-09-23
- 基于卷積神經網絡的煤矸石圖像識別
積神經網絡;圖像分類;遷移學習中圖分類號：TP391 文獻標識碼：A文章編號：1009-3044（2020）21-0016-03開放科學（資源服務）標識碼（OSID）：煤炭在我國能源中占有舉足輕重的地位，其能源量占化石能源儲量的94%，遠遠超過石油和天然氣;其消費約占總能源消費量的64%左右[1-2]。但是產出的原煤中會包含大量的矸石，矸石含量占原煤產量的15%-20%c3]，如果不對矸石加以剔除，不僅會降低煤炭的燃燒率，而且其燃燒產物還會造成環(huán)境污染。因
電腦知識與技術 2020年21期2020-08-21
- 基于局部性約束和視覺顯著性的圖像分類方法
方法，并用于圖像分類。在5個標準圖像庫進行實驗和分析，結果表明融入顯著性語義信息的圖像編碼方法能夠提升分類性能。[關鍵詞]視覺顯著性;特征編碼;圖像分類;局部性約束[中圖分類號]TP391.41 [文獻標志碼]A [文章編號]1005-0310（2020）01-0057-060 引言近年來，隨著Internet的廣泛應用和智能手機、數(shù)碼相機等設備的普及，以圖像和視頻為主的多媒體信息逐漸成為人們傳遞和獲取信息的主要載體，在豐富人們生活、工作、教育和娛樂的同時
北京聯(lián)合大學學報 2020年1期2020-08-17
- 傳統(tǒng)圖像分類與深度學習分類算法比較研究
濤摘要：傳統(tǒng)圖像分類方法需要對圖像進行手工特征設計和提取，而這些特征只是包含了圖像的部分信息，通過對卷積神經網絡算法進行特征進行提取，采用不斷的訓練大量不同組的卷積核來依次獲得圖像低級特征和高級特征。研究結果表明，傳統(tǒng)的分類算法的平均正確率在50%左右，而卷積神經網絡的分類正確率能夠達到90%以上，基于卷積神經網絡的圖像分類算法提升效果顯著。關鍵詞：圖像分類;支持向量機;卷積神經網絡中圖分類號：TP391.4;TP18 ?文獻標志碼：A ?文章編號：100
荊楚理工學院學報 2020年2期2020-08-14
- 遺傳算法確定特征權重值的圖像分類
，大大提高了圖像分類的簡潔性，提升了圖像檢索的效果。關鍵詞： 遺傳算法; 特征權重值; 圖像分類; 卷積神經網絡; 初始種群; 檢索率中圖分類號： TN911.73?34? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）03?0058?04Image classification to determine feature weight values by
現(xiàn)代電子技術 2020年3期2020-08-04
- 基于深度學習的蘑菇圖像分類研究
為了解決蘑菇圖像分類的問題，實現(xiàn)野生菌毒性快速識別，以7種蘑菇作為研究對象，提出了一種基于深度學習的蘑菇圖像分類的方法。所提出的分類方法在考慮了自然場景圖像的特點下，利用圖像像素信息進行特征提取，提取到的特征向量具有可辨別性、獨立性和魯棒性;輕量級ShuffleNetV2模型與作為其他常用CNN模型相比具有更高的精度。實驗表明，基于ShuffleNetV2的蘑菇分類模型的Top-1準確率為55.18%，Top-5準確率為93.55%，能夠一定程度上解決蘑菇
軟件工程 2020年7期2020-07-27
- 基于用戶屬性偏好與時間因子的服裝推薦研究
高。關鍵詞：圖像分類;用戶偏好;協(xié)同過濾;服裝推薦;時間因子DOI：10.11907/rjdk.192085開放科學（資源服務）標識碼（OSID）：中圖分類號：TP301文獻標識碼：A 文章編號：1672-7800（2020）006-0023-060 引言隨著網絡的普及，全民網上購物的電子商務時代已然到來。淘寶、京東等電子商務平臺提供越來越多的服裝選擇，但是信息超載問題也隨之而來。現(xiàn)有搜索技術無法滿足消費者服裝個性化需求。因此既能解決信息超載問題又能提供個
軟件導刊 2020年6期2020-07-24
- 一種遷移學習算法在番茄病害檢測上的應用
學習相結合的圖像分類算法。從試驗田中收集8種番茄病害葉片和健康葉片，運用1 000萬像素高清掃描儀統(tǒng)一掃描成圖像，將圖像歸類到9種文件夾中，手動標記葉片屬性。最后，基于Inception-v3模型結合遷移學習算法對健康和病害葉片進行分類試驗，并與傳統(tǒng)圖像分類算法（KNN、SVM、BP神經網絡）和非遷移學習算法進行對比。結果表明，基于Inception-v3模型結合遷移學習算法，在番茄病害圖像分類中能夠快速有效識別分類生長健康番茄和患病番茄，并且能高效識別番
湖北農業(yè)科學 2020年7期2020-07-23
- 基于嵌入式神經網絡的危險駕駛行為檢測系統(tǒng)
卷積神經網絡圖像分類器用來實時檢測危險駕駛行為，將AlexNet卷積神經網絡改進為能適應在嵌入式系統(tǒng)的小型卷積神經網絡mAlex，同時加入一些圖像預處理算法和優(yōu)化策略，建立了駕駛員關于危險駕駛行為檢測模型。經過實驗表明實時檢測危險駕駛行為系統(tǒng)對駕駛人的危險駕駛行為具有較高的識別精度和較高的魯棒性。同時該系統(tǒng)使用在嵌入式系統(tǒng)中具有成本低、節(jié)能和小巧等許多優(yōu)點。關鍵詞： 卷積神經網絡; 嵌入式系統(tǒng); 圖像分類; 危險駕駛行為【Abstract】 Normati
智能計算機與應用 2020年3期2020-07-04
- 基于多樣化結構的輕量型卷積神經網絡設計
e?net在圖像分類方面性能更優(yōu)，且網絡的模型較小。關鍵詞： 卷積神經網絡; 多樣化結構; 殘差學習; 圖像預處理; 圖像分類; 測試分析中圖分類號： TN926?34; TP391.4 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）12?0050?05Abstract： The network structure or module of the traditiona
現(xiàn)代電子技術 2020年12期2020-06-19
- 基于三維殘差網絡和虛擬樣本的高光譜圖像分類方法研究
方法在高光譜圖像分類方面具有一定的應用前景。關鍵詞： 高光譜圖像; 圖像分類; 深度學習; 參數(shù)優(yōu)化; 三維殘差網絡; 實驗驗證中圖分類號： TN911.73?34 ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）12?0145?06Abstract： The accurate classification of ground objects and t
現(xiàn)代電子技術 2020年12期2020-06-19
- 基于卷積神經網絡的圖像識別系統(tǒng)
;圖像識別;圖像分類;Alexnet構架中圖分類號：TP183 文獻標識碼：A文章編號：1009-3044（2020）10-0196-02隨著科學技術的飛速發(fā)展，圖像識別技術在社會各領域得以應用。圖形識別技術可以作為一項基礎技術應用于如工業(yè)零件分類、人臉識別以及手勢識別等。當前的圖像識別也是作為一項十分熱門的技術被大眾所廣泛討論。深度學習是機器學習的一個新的熱門研究方向，其旨在模仿人類的學習模式，通過對輸入樣本的訓練與測試，由簡及深地提取特征來區(qū)分樣本。通
電腦知識與技術 2020年10期2020-06-08
- 結合Inception模塊的卷積神經網絡圖像分類方法
卷積核; 圖像分類DOI：10. 11907/rjdk. 192501中圖分類號：TP301 ? 文獻標識碼：A??????????????? 文章編號：1672-7800（2020）003-0079-04Convolutional Neural Network Image Classification Method Combinedwith Inception ModuleQI Guang-hua， HE Ming-xiang（College of C
軟件導刊 2020年3期2020-05-28
- 一種基于空間金字塔特征的圖像分類降維算法
征中的冗余是圖像分類研究領域的一個重要內容。在SPM（Spatial Pyramid Matching）圖像分類算法的基礎上，結合主成分分析方法（Principal Component Analysis，PCA），提出了一種新的PcSPM算法。該方法能在多種尺度上提取圖像金字塔直方圖主成分，可減少特征冗余，并將其應用于圖像分類。實驗表明，該方法能夠有效去除圖像特征中的冗余，提高了圖像分類的精度。關鍵詞： 圖像分類; SPM; 特征降維; 主成分分析; 詞袋
微型電腦應用 2020年2期2020-05-11
- VansNet輕量化卷積神經網絡
前提下提高了圖像分類的準確率和效率。關鍵詞：輕量化;卷積神經網絡;圖像分類;壓縮參數(shù) ;殘差網絡;跳層結構中圖分類號：TP391文獻標識碼： A隨著卷積神經網絡的不斷發(fā)展，人們把研究的重點集中于如何提高正確率上，隨著準確率的提升，卷積神經網絡[1]（Convolutional Neural Networks，CNN）逐漸演變?yōu)榱松疃染矸e神經網絡，為了達到更好的性能，使得網絡層數(shù)不斷增加，網絡結構更加復雜，雖然網絡性能得到了一定的提升，但是隨之而來的就是效率
貴州大學學報（自然科學版） 2020年2期2020-04-24
- 基于TensorFlow的卷積神經網絡圖像分類實踐策略研究
技術分支，在圖像分類中取得了出色的成績。為進一步梳理卷積神經網絡圖像分類的流程策略，本文基于TensorFlow深度學習框架，下載相關公開數(shù)據(jù)集，構建人工神經網絡模型，采用數(shù)據(jù)集交叉驗證的方式訓練，并從中歸納出一套數(shù)據(jù)預處理、建模、訓練和評估的實踐策略，以期望加深對機器學習流程思路的指導。Abstract： Convolutional neural networks are the fastest branch of technology that has
價值工程 2020年9期2020-04-20
- 基于卷積神經網絡的植物圖像分類方法研究
網絡已經成為圖像分類領域的應用研究熱點，其對圖像特征進行自提取、自學習，解決了以往圖像分類方法的圖像低層特征到高層概念之間存在的語義鴻溝。為了解決植物圖像的自動分類問題，該文提出一種基于卷積神經網絡（CNN）的植物圖像分類方法，以植物圖像為研究對象，將經典卷積神經網絡VGG16與全卷積網絡（FCN）相結合，把VGG16中兩個通道數(shù)為4 096的全連接層改為卷積層，構造一個新的VGG16模型為植物圖像分類模型。文中制作了一個由43類每類500張總共21 50
物聯(lián)網技術 2020年3期2020-04-09
- 基于膠囊網絡的可變維度膠囊的研究
變維度膠囊;圖像分類中圖分類號：TP391? ? ?文獻標識碼：A文章編號：1009-3044（2020）02-0204-021 概述在過去的幾年中，深度學習在許多計算機視覺任務中取得了巨大的成就，特別是卷積神經網絡的發(fā)展給該領域帶來了最先進的模型和算法。在傳統(tǒng)的卷積神經網絡中，神經元是標量的，模型無法學習神經元之間的復雜的位置等相關關系。但是在人的大腦中，神經元通常會協(xié)同工作，而不是單獨工作。為了克服卷積神經網絡的這一缺點，Hitton提出了“膠囊”的概
電腦知識與技術 2020年2期2020-03-16