一种基于多传感器融合辅助的AlexNet模型图像识别算法 被引量：4

1

作者 李子月 曾庆化 +2 位作者 张庶 刘玉超 刘建业 《中国惯性技术学报》 EI CSCD 北大核心 2020年第2期219-225,共7页

自动驾驶车辆感知系统中,基于视觉的交通标志图像识别是一项关键技术。然而,由于目前硬件计算资源限制、极端光照或其他光源干扰等因素影响,在没有先验知识辅助的前提下,难以实现交通标志的准确识别和工程化应用。针对这一问题,提出了... 自动驾驶车辆感知系统中,基于视觉的交通标志图像识别是一项关键技术。然而,由于目前硬件计算资源限制、极端光照或其他光源干扰等因素影响,在没有先验知识辅助的前提下,难以实现交通标志的准确识别和工程化应用。针对这一问题,提出了一种基于多传感器数据融合辅助的AlexNet(MSDF-AleNex)模型图像精确识别方法,利用组合导航数据对图像进行预划分,提高图像识别精度。首先,对高精度惯性/卫星导航设备、视觉传感器进行联合标定,结合高精度地图信息,获得相机与交通标志的相对位置和姿态关系;然后,利用视觉传感器自身参数,计算得到在当前图像中交通标志对应的相对位置,并据此获得224*224像素大小的目标区域;将传感器数据融合得到的目标信息和AlexNet模型相结合,目标区域作为AlexNet模型的输入数据。为验证MSDF-AlexNet模型的识别性能,基于VIVA交通信号灯数据库对模型进行离线训练并生成训练模型,然后将训练模型应用于无人巡逻车获得的实际场景交通标志图像的在线识别。结果表明,相对于AlexNet模型,MSDF-AlexNet模型在正常光照、其他光源干扰和极端光照下的综合识别精度分别达到98.4%、98%和96.8%,有助于推动系统的工程化应用。 展开更多

关键词 无人车 alexnet模型 组合导航系统 图像识别

在线阅读 下载PDF 职称材料

基于改进AlexNet模型的断层识别方法 被引量：6

2

作者 李辉 《油气地质与采收率》 CAS CSCD 北大核心 2022年第1期107-112,共6页

从地震数据中识别断层在地震资料解释中至关重要,但随着勘探规模的扩大,传统的人工解释断层已满足不了实际生产需要。如何研究出一种能满足断层识别高精度需求并能提升运算速度的方法是急需解决的问题。为此,基于改进的AlexNet模型,把... 从地震数据中识别断层在地震资料解释中至关重要,但随着勘探规模的扩大,传统的人工解释断层已满足不了实际生产需要。如何研究出一种能满足断层识别高精度需求并能提升运算速度的方法是急需解决的问题。为此,基于改进的AlexNet模型,把自动识别断层的方法看作图像识别二分类问题。首先将批量归一化代替局部响应归一化,加快模型收敛;其次引入平衡交叉熵损失,解决在地震数据中断层与非断层高度不平衡问题,使模型朝着正确的方向收敛;最后用卷积层代替全连接层,极大缩减了训练参数,加快了训练速度。训练的模型对理论数据和实际数据预测结果表明,改进的AlexNet模型充分学习了断层特征,具有可以从地震数据中识别断层的能力。 展开更多

关键词 alexnet模型 断层识别 模式识别 批量归一化 平衡交叉熵损失

在线阅读 下载PDF 职称材料

干扰背景下基于改进AlexNet的无人机信号识别方法

3

作者 姚志成 张冠华 +2 位作者 王海洋 杨剑 范志良 《电光与控制》 CSCD 北大核心 2024年第6期14-18,80,共6页

复杂电磁环境下非合作无人机图传信号易被干扰覆盖,传统检测手段难以有效识别,为此提出了一种基于改进AlexNet模型的无人机图传信号识别方法。该方法针对干扰覆盖场景下图传信号的时频图像特征,对AlexNet模型进行改进优化,通过拆分卷积... 复杂电磁环境下非合作无人机图传信号易被干扰覆盖,传统检测手段难以有效识别,为此提出了一种基于改进AlexNet模型的无人机图传信号识别方法。该方法针对干扰覆盖场景下图传信号的时频图像特征,对AlexNet模型进行改进优化,通过拆分卷积核、减少全连接层节点数、增加全局平均池化层,在不增加计算复杂度的情况下加深了网络结构,有效提升了图传信号识别能力。在内场微波暗室和外场真实环境中,分别制备了不同干扰强度下的时频图像数据集以训练模型,结果表明,在信干噪比(SINR)为-15 dB时改进AlexNet模型仍可保持90%以上的验证准确率,而且相比于其他CNN模型,可将单位训练时间缩短1 s以上。 展开更多

关键词 电磁干扰 无人机信号识别 时频谱图 alexnet模型

在线阅读 下载PDF 职称材料

基于深度CRF模型的图像语义分割方法 被引量：4

4

作者 胡涛 李卫华 +2 位作者 秦先祥 邱浪波 李小春 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2018年第5期52-57,共6页

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像... 从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。 展开更多

关键词 语义分割 条件随机场 卷积神经网络 alexnet模型

在线阅读 下载PDF 职称材料

基于卷积神经网络的犬类识别技术研究

5

作者 宗兆星 杨燕婷 +2 位作者 余国庆 李冬梅 刘光宇 《蚌埠学院学报》 2024年第5期78-82,共5页

运用卷积神经网络方法对犬类识别问题提供一种有效的解决方案。首先数据集来源于斯坦福大学的120种犬类标准数据集,其次搭建了Alexnet与VGG16两种卷积神经网络的模型,经训练测试后两种卷积神经网络模型均可识别数据集中的犬类,最后通过... 运用卷积神经网络方法对犬类识别问题提供一种有效的解决方案。首先数据集来源于斯坦福大学的120种犬类标准数据集,其次搭建了Alexnet与VGG16两种卷积神经网络的模型,经训练测试后两种卷积神经网络模型均可识别数据集中的犬类,最后通过验证集实验对比得出,搭建的VGG16卷积神经网络模型识别效果优于Alexnet卷积神经网络模型,其验证集的识别率达到了89.17%。 展开更多

关键词 犬类识别 卷积神经网络 alexnet模型 VGG16模型

在线阅读 下载PDF 职称材料

基于深度学习的快速植物图像识别 被引量：33

6

作者 张雪芹 陈嘉豪 +1 位作者 诸葛晶晶 余丽君 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2018年第6期887-895,共9页

植物分类在形态、颜色和纹理上具有高度的相似性和密集的细节信息,传统的机器学习方法无法满足这些大样本的特征提取训练,识别种类与精度受到限制。深度学习可以有效地解决植物图像识别在种类数量、准确度和速度上的难点。本文提出了基... 植物分类在形态、颜色和纹理上具有高度的相似性和密集的细节信息,传统的机器学习方法无法满足这些大样本的特征提取训练,识别种类与精度受到限制。深度学习可以有效地解决植物图像识别在种类数量、准确度和速度上的难点。本文提出了基于优化的P-AlexNet模型的植物识别算法,基于卷积神经网络(CNN)中的AlexNet网络模型进行优化处理,提高模型的泛化能力、细节特征的表征能力以及识别精度。利用迁移学习热启动更新植物识别种类,利用GPU并行计算加速模型训练和图片识别速度。针对206类植物图片,训练得到验证集精度达到86.7%的模型。以此模型为基础,开发了一款智能植物图像识别平台,包含了Web网站以及Android和IOS的App应用。Web端实验测试结果表明,检测时间平均为1.282s,具有较高的准确性和泛化性以及快速的识别速度。 展开更多

关键词 植物识别 卷积神经网络 alexnet模型 迁移学习 GPU并行计算

在线阅读 下载PDF 职称材料

基于深度学习的糖尿病视网膜病变分类方法研究 被引量：1

7

作者 陈榕 《信息技术与信息化》 2019年第7期162-164,共3页

目前检测糖尿病视网膜病变的方法主要依赖于医生的个人判断,其诊断时间较长,占用较多的医疗资源。为解决以上问题,提出了一种基于改进的AlexNet模型的深度学习方法,对彩色眼底图像进行特征提取,自动判断糖尿病视网膜病变程度,达到了96.... 目前检测糖尿病视网膜病变的方法主要依赖于医生的个人判断,其诊断时间较长,占用较多的医疗资源。为解决以上问题,提出了一种基于改进的AlexNet模型的深度学习方法,对彩色眼底图像进行特征提取,自动判断糖尿病视网膜病变程度,达到了96.64%的诊断精度。 展开更多

关键词 糖尿病视网膜病变 改进 alexnet模型

在线阅读 下载PDF 职称材料

基于多尺度卷积神经网络的缺陷红枣检测方法 被引量：6

8

作者 方双 赵凤霞 +1 位作者 楚松峰 吴振华 《食品与机械》 北大核心 2021年第2期158-163,168,共7页

提出了一种基于多尺度卷积神经网络的缺陷红枣检测方法,在AlexNet卷积神经网络上增加并行的多尺度卷积模块,增加网络的深度和宽度,减少网络中的参数;在卷积层中加入批标准化处理,减少训练过程中数据分布的变化,提高网络的泛化能力。以... 提出了一种基于多尺度卷积神经网络的缺陷红枣检测方法,在AlexNet卷积神经网络上增加并行的多尺度卷积模块,增加网络的深度和宽度,减少网络中的参数;在卷积层中加入批标准化处理,减少训练过程中数据分布的变化,提高网络的泛化能力。以新疆干制红枣中的黄皮枣、霉变枣、破头枣和正常枣为研究对象,对这些干制红枣进行训练和验证。结果表明:该模型对黄皮枣、霉变枣、破头枣和正常枣的识别率分别为96.67%,96.25%,98.57%,97.14%,综合识别率可达97.14%。与其他的算法相比,该算法具有较强的稳健性,对缺陷红枣的识别准确率更高。 展开更多

关键词 红枣 缺陷检测 多尺度卷积 批量归一化 alexnet模型

在线阅读 下载PDF 职称材料

基于深度学习的服装丝缕平衡性评价系统 被引量：3

9

作者 许倩 陈敏之 《纺织学报》 EI CAS CSCD 北大核心 2019年第10期191-195,共5页

为解决虚拟试装中难以自动评价服装丝缕平衡性的问题,充分应用了深度学习在图像自动识别中的优越性,针对服装丝缕平衡的特点,设计了卷积神经网络的拓扑结构,通过对各个特征部位上不同平衡状态的服装丝缕图片进行等级分类和学习训练,得... 为解决虚拟试装中难以自动评价服装丝缕平衡性的问题,充分应用了深度学习在图像自动识别中的优越性,针对服装丝缕平衡的特点,设计了卷积神经网络的拓扑结构,通过对各个特征部位上不同平衡状态的服装丝缕图片进行等级分类和学习训练,得到的网络模型的识别准确率达到93.589%,从而建立了可实现对服装各个关键部位丝缕平衡性自动评价系统。结果表明:应用基于深度学习的服装丝缕平衡性评价系统,对虚拟环境下的服装各个关键部位上的丝缕图片进行识别和分类,可以缩短服装平衡性检测的时间,提高检测的效率,快速获取服装丝缕不平衡的位置,以便对服装进行修改。 展开更多

关键词 虚拟试衣 深度学习 服装丝缕 图像识别 alexnet模型

在线阅读 下载PDF 职称材料

基于深度学习的仪表类型识别研究 被引量：3

10

作者 胡鑫 欧阳华 尹洋 《舰船电子工程》 2021年第10期112-116,共5页

由于变电站背景下对于不同仪表而言相似度极高,且存在光照、噪声、磁场等影响因素,复杂情况下的分类识别率并不高,传统视觉特征的分类准确率不能满足要求,误差较大。针对特定指针仪表目标的图像分类问题,通过利用AlexNet卷积神经网络构... 由于变电站背景下对于不同仪表而言相似度极高,且存在光照、噪声、磁场等影响因素,复杂情况下的分类识别率并不高,传统视觉特征的分类准确率不能满足要求,误差较大。针对特定指针仪表目标的图像分类问题,通过利用AlexNet卷积神经网络构,将构造的特定背景下仪表数据集导入网络之中进行训练。训练得到验证集精度达到94.76%。然后从网络结构中池化方式的不同这方面进行改进,得到一种新的组合方式,既保留了轮廓的完整性,又在细节的处理上更加精确。有效保留了数据间的相关联性,间接加强了模型的学习能力,提高了目标分类的准确率,使得验证集精度提高到97.68%。 展开更多

关键词 仪表识别 卷积神经网络 alexnet模型 池化方式

在线阅读 下载PDF 职称材料

微柱凝胶卡全自动血型检测系统设计

11

作者 沈然鑫 朱培逸 《中国测试》 CAS 北大核心 2023年第11期23-29,44,共8页

针对微柱凝胶卡血型分析仪判读准确率较低的检测问题,设计一种基于机器视觉的全自动血型检测系统。该系统通过相关的特征提取算法和图像识别算法来提高系统的判读准确性。在特征提取算法中,采用颜色通道分离合并和熵处理结合的图像处理... 针对微柱凝胶卡血型分析仪判读准确率较低的检测问题,设计一种基于机器视觉的全自动血型检测系统。该系统通过相关的特征提取算法和图像识别算法来提高系统的判读准确性。在特征提取算法中,采用颜色通道分离合并和熵处理结合的图像处理算法,提取血型图像中的颜色特征和灰度特征,从而提高图像分析的能力。在图像识别算法中,以AlexNet网络模型为基础,设计一种改进的分类神经网络模型进行训练预测,在网络结构中加入一个通道注意力机制,赋予权重,扩大特征对结果的影响,在训练参数中采用Adam优化器,并优化多分类交叉熵损失函数,调整学习率固定步长衰减策略的参数,有利于加快模型收敛速度,提高模型的准确率。之后设计判读界面进行系统调试。实验结果表明:使用所设计的全自动血型检测系统,绝大多数的血型图像都可准确检测出结果,相较于原来的93.789%,准确率提高,可达到97.516%;并且结合所做的血型检测试验,可以有效地判读出凝胶卡的最终试验结果。所采用的血型判读技术对微柱凝胶卡检测是行之有效的,可大大提高检测系统的判读准确性。 展开更多

关键词 全自动血型检测系统 微柱凝胶法 特征提取 alexnet模型 图像分类

在线阅读 下载PDF 职称材料

基于图像信号处理方法的火灾预警系统设计 被引量：3

12

作者 郝建峰 任国凤 +1 位作者 黄婷 梁小瑞 《中国新通信》 2022年第7期37-39,共3页

传统的火灾信号预警系统容易遭到自然环境的影响,从而发生信号误读错报、迟报、漏报或者功能失效等问题。而常规的图像火焰检测方法有时无法全面描述火焰特性,因此火焰识别的准确率比较低。本文提出一种基于卷积神经网络AlexNet模型的... 传统的火灾信号预警系统容易遭到自然环境的影响,从而发生信号误读错报、迟报、漏报或者功能失效等问题。而常规的图像火焰检测方法有时无法全面描述火焰特性,因此火焰识别的准确率比较低。本文提出一种基于卷积神经网络AlexNet模型的图像火焰检测算法,它可以更加有效地识别出火焰,实现火灾及时准确的预警效果。实验结果表明该算法可取,同时本研究继续对该算法进行了模型优化,使得火焰识别的准确率高达91%及以上。本研究具有应用于实际火灾预警系统的价值。 展开更多

关键词 火灾预警 图像检测 卷积神经网络 alexnet模型

在线阅读 下载PDF 职称材料

基于多尺度CNN特征的国画图像分类算法 被引量：5

13

作者 李大湘 张玥 《西安邮电大学学报》 2021年第1期104-110,共7页

为了捕获国画图像的局部表现手法而实现风格分类,提出一种基于多尺度卷积神经网络(Convolutional Neural Network,CNN)特征的国画图像分类算法。该算法先对AlexNet网络模型进行改进,得到精简AlexNet网络模型以降低网络深度与参数规模。... 为了捕获国画图像的局部表现手法而实现风格分类,提出一种基于多尺度卷积神经网络(Convolutional Neural Network,CNN)特征的国画图像分类算法。该算法先对AlexNet网络模型进行改进,得到精简AlexNet网络模型以降低网络深度与参数规模。然后采用非对称空间分块方法对训练样本进行数据扩充,训练具有特征提取能力的CNN网络模型,以提取国画图像的多尺度CNN特征。最后,采用前向搜索选择方法对多尺度CNN特征进行选择降维,再结合支持向量机(Support Vector Machine,SVM)分类器实现国画图像自动分类。对比实验结果表明,多尺度CNN特征较之全局CNN特征分类精度提高了2.12%,且所提算法在分类精度方面均高于其他图像分类方法。 展开更多

关键词 国画图像分类 卷积神经网络 alexnet网络模型 特征选择 支持向量机分类器

在线阅读 下载PDF 职称材料

基于卷积神经网络的车型识别研究 被引量：1

14

作者 刘舒娴 林伟 陆培民 《有线电视技术》 2017年第12期88-91,共4页

随着深度学习的快速发展,深度学习中的卷积神经网络已经广泛运用于图像识别领域,通过构建不同的网络模型和大量的图像训练数据,来让计算机学习更多有用的图像特征,从而提升图像分类或识别的准确性。本文基于卷积神经网络,构建车辆图像... 随着深度学习的快速发展,深度学习中的卷积神经网络已经广泛运用于图像识别领域,通过构建不同的网络模型和大量的图像训练数据,来让计算机学习更多有用的图像特征,从而提升图像分类或识别的准确性。本文基于卷积神经网络,构建车辆图像数据库,参考经典的Alex Net网络模型,修改了它的激活函数和输出全连接层的网络结构,并微调训练参数来对数据集进行分类识别,最终识别出了图像中的车型及其品牌,准确率可分别达到89.33%和93.33%。经由实验验证,基于卷积神经网络对车型识别的方法是切实可行的。 展开更多

关键词 深度学习 卷积神经网络 alexnet网络模型 激活函数 车型识别

在线阅读 下载PDF 职称材料