期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到255篇文章
< 1 2 … 13 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于加权多层卷积神经网络模型的冬奥会场区滑坡易发性评价
1
作者 胡文杰 李峰 +1 位作者 张梅东 刘文龙 《工程地质学报》 北大核心 2025年第3期949-958,共10页
开展冬奥会地区滑坡易发性评价对于冬奥会场馆的运维风险管理具有重要意义。本文以冬奥会6个区县为研究对象,从地形地貌、地质构造、水文、人类活动和土壤植被5个方面构建冬奥会地区滑坡易发性评价指标体系,针对易发性因子权重需反复多... 开展冬奥会地区滑坡易发性评价对于冬奥会场馆的运维风险管理具有重要意义。本文以冬奥会6个区县为研究对象,从地形地貌、地质构造、水文、人类活动和土壤植被5个方面构建冬奥会地区滑坡易发性评价指标体系,针对易发性因子权重需反复多次调整的繁琐过程、过多的池化层造成特征信息大量丢失等问题,提出影响因子权重自适应学习、扩张卷积层替换池化层的加权多层卷积神经网络(Weighted Multi-CNN,WM-CNN)用于滑坡易发性预测。运用加权多层卷积神经网络、一维卷积神经网络(CNN-1D)、卷积神经网络(CNN)、支持向量机(SVM)、随机森林模型(RF)分别构建该区域的滑坡易发性评价模型。对冬奥会地区进行滑坡易发性区划,并通过受试者工作特征曲线(ROC)。结果表明,WM-CNN模型预测效果最好,高于CNN-1D模型的0.835、CNN模型的0.877、SVM模型的0.819、RF模型的0.884。此外,研究区域极高易发区和高易发区集中在北京的延庆区,大多分布在道路两侧和山谷地带。国家跳台滑雪中心和延庆奥运村位于中等易发区,滑坡风险较大,因此需要重点监控。 展开更多
关键词 冬奥会区域 加权多层 卷积神经网络 深度学习 滑坡易发性
在线阅读 下载PDF
基于融合卷积神经网络的车辆多目标检测方法
2
作者 曹佳 郑秋梅 段泓舟 《激光杂志》 北大核心 2025年第1期208-213,共6页
在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两... 在实际场景中,车辆目标往往会被其他车辆、建筑物等对象遮挡,背景也可能非常复杂,为了保障检测精度,提出一种基于融合卷积神经网络的车辆多目标检测方法。采用激光雷达采集车辆目标图像,将采集的车辆行驶图像根据其车道线特征划分为两侧区域,将车道线以内的区域作为车辆多目标检测初始感兴趣区域(ROI),在ROI中采用车底阴影假设区域分割法获取车辆检测目标的假设区域。在原始卷积神经网络的基础上作进一步优化,设计可变形卷积神经网络(DF-R-CNN)模型,将得到的假设区域作为网络模型所需的车辆多目标检测候选区域,通过该模型实现车辆多目标的精准检测。实验结果表明,所提方法的召回率最高值达到了85%,损失函数最低值约为1.8,说明其具有较高的检测精度和检测效果。 展开更多
关键词 卷积神经网络 车道线划分 感兴趣区域ROI 可变形卷积神经网络 车辆多目标检测
在线阅读 下载PDF
基于深度学习卷积神经网络的桑果成熟度检测研究 被引量：1
3
作者 张瑞英 《农机化研究》 北大核心 2024年第5期26-30,共5页
桑果成熟度检测目的是根据输入的桑果图像实现对桑果成熟度的自动判定,方便果农对果园作物成熟度进行了解。为此,介绍了基于深度学习卷积神经网络的目标检测算法,并基于Faster R-CNN搭建了桑果检测模型,通过MatLab对模型参数进行训练和... 桑果成熟度检测目的是根据输入的桑果图像实现对桑果成熟度的自动判定,方便果农对果园作物成熟度进行了解。为此,介绍了基于深度学习卷积神经网络的目标检测算法,并基于Faster R-CNN搭建了桑果检测模型,通过MatLab对模型参数进行训练和优化,实现了对桑果的成熟度检测。实验结果表明:基于图像处理和卷积神经网络的桑果成熟度检测系统对桑果成熟度检测准确率较高,具有一定的实用价值。 展开更多
关键词 桑果 成熟度 卷积神经网络 faster R-CNN
在线阅读 下载PDF
基于卷积神经网络的毛巾瑕疵检测系统设计
4
作者 肖金壮 郭辉辉 王宁 《计算机集成制造系统》 EI CSCD 北大核心 2024年第11期3977-3983,共7页
针对毛巾表面小尺寸瑕疵和极端纵横比的经纬向瑕疵,提出基于卷积神经网络的毛巾瑕疵图像检测方法。首先采用所构建毛巾瑕疵检测系统中的面阵工业相机进行毛巾样本图像采集,从中选取150张带有瑕疵的图像,对采集的图像进行数据扩充,并制... 针对毛巾表面小尺寸瑕疵和极端纵横比的经纬向瑕疵,提出基于卷积神经网络的毛巾瑕疵图像检测方法。首先采用所构建毛巾瑕疵检测系统中的面阵工业相机进行毛巾样本图像采集,从中选取150张带有瑕疵的图像,对采集的图像进行数据扩充,并制作数据集;其次,通过融合特征金字塔网络与ResNet-50,并引入K-means聚类优化边界框宽高比,得到适用的Faster R-CNN目标检测算法;最后,用数据集进行网络训练,提取图像中的瑕疵特征,识别瑕疵目标,并对训练所得网络进行实验验证,识别检出率达到95.2%。结果表明,所提出的系统可有效实现毛巾瑕疵自动检测。 展开更多
关键词 卷积神经网络 毛巾瑕疵检测 faster R-CNN 特征金字塔网络 K-MEANS聚类
在线阅读 下载PDF
基于区域卷积神经网络Faster R-CNN的手势识别方法 被引量：12
5
作者 张勋 陈亮 +1 位作者 朱雪婷 胡诚 《东华大学学报（自然科学版）》 CAS 北大核心 2019年第4期559-563,共5页
为提升手势识别算法的准确率,引入深度学习中区域卷积神经网络Faster R-CNN (faster region-convolution neural network)。利用该网络的卷积神经网络自动提取手势目标特征,采用RPN(region proposal networks)机制提取候选框以提高搜索... 为提升手势识别算法的准确率,引入深度学习中区域卷积神经网络Faster R-CNN (faster region-convolution neural network)。利用该网络的卷积神经网络自动提取手势目标特征,采用RPN(region proposal networks)机制提取候选框以提高搜索效率,采用Faster R-CNN网络对建议框做目标检测和分类以实现手势端到端的识别。结果表明,该方法能够更加准确高效地完成手势特征提取和分类任务,有效提高手势识别准确率。 展开更多
关键词 区域卷积神经网络 faster R-CNN 手势识别 深度学习
在线阅读 下载PDF
基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究 被引量：36
6
作者 闫贺 黄佳 +3 位作者 李睿安 王旭东 张劲东 朱岱寅 《电子与信息学报》 EI CSCD 北大核心 2021年第3期615-622,共8页
针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法。该方法结合Faster R-CNN深度学习... 针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法。该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的“亮线”特征进行检测。与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势。最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性。 展开更多
关键词 视频SAR 运动目标检测 快速区域卷积神经网络 特征金字塔网络 K-MEANS
在线阅读 下载PDF
基于可变形卷积神经网络的遥感影像密集区域车辆检测方法 被引量：21
7
作者 高鑫 李慧 +5 位作者 张义 闫梦龙 张宗朔 孙显 孙皓 于泓峰 《电子与信息学报》 EI CSCD 北大核心 2018年第12期2812-2819,共8页
车辆检测是遥感图像分析领域的热点研究内容之一,车辆目标的智能提取和识别,对于交通管理、城市建设有重要意义。在遥感领域中,现有基于卷积神经网络的车辆检测方法存在实现过程复杂并且对于车辆密集区域检测效果不理想的缺陷。针对上... 车辆检测是遥感图像分析领域的热点研究内容之一,车辆目标的智能提取和识别,对于交通管理、城市建设有重要意义。在遥感领域中,现有基于卷积神经网络的车辆检测方法存在实现过程复杂并且对于车辆密集区域检测效果不理想的缺陷。针对上述问题,该文提出基于端到端的神经网络模型DF-RCNN以提高车辆密集区域的检测精度。首先,在特征提取阶段,DF-RCNN模型将深浅层特征图的分辨率统一并融合;其次,DFRCNN模型结合可变形卷积和可变形感兴趣区池化模块,通过加入少量的参数和计算量以学习目标的几何形变。实验结果表明,该文提出的模型针对密集区域的车辆目标具有较好的检测性能。 展开更多
关键词 遥感影像 车辆检测 密集区域 端到端卷积神经网络
在线阅读 下载PDF
基于卷积神经网络的矿用安全帽佩戴检测 被引量：1
8
作者 韩忠利 《工矿自动化》 CSCD 北大核心 2024年第S01期82-87,共6页
传统的安全帽佩戴检测方式存在浪费人力、环境适应性差等问题,同时,实际应用中的安全帽佩戴检测需结合人体检测来进行,只有检测出戴在头上的安全帽才算符合要求,因此,需要先找出监控图像或画面中煤矿工作人员的人脸位置,再根据人脸的位... 传统的安全帽佩戴检测方式存在浪费人力、环境适应性差等问题,同时,实际应用中的安全帽佩戴检测需结合人体检测来进行,只有检测出戴在头上的安全帽才算符合要求,因此,需要先找出监控图像或画面中煤矿工作人员的人脸位置,再根据人脸的位置识别出人脸上方的安全帽。提出了一种基于卷积神经网络的矿用安全帽佩戴检测模型:基于Faster R-CNN网络进行改进,将VGG16作为特征提取的主干网络;为了更好地对重叠目标进行检测,使用Soft NMS方法代替原本的NMS算法对冗余的候选框进行删除,构建了符合煤矿生产需求的安全帽佩戴检测模型。实验结果表明,提出的模型算法在平均检测精度上明显优于其他现有检测算法;在召回率方面,提出的模型算法比Faster R-CNN高出3%,查全效果明显提高;与原Faster R-CNN算法相比,模型运算速度提升了23帧/s。相较其他模型,提出的模型在检测精度、运算速度上均取得良好效果,满足煤矿智能化建设所要求的部署与应用要求。 展开更多
关键词 安全帽检测 卷积神经网络 faster R-CNN 煤矿安全 目标检测
在线阅读 下载PDF
基于Faster R-卷积神经网络的金属点阵结构缺陷识别方法 被引量：15
9
作者 张玉燕 李永保 +1 位作者 温银堂 张芝威 《兵工学报》 EI CAS CSCD 北大核心 2019年第11期2329-2335,共7页
采用增材制造技术制备的金属三维点阵结构可能存在裂纹、未熔合、断层等缺陷,导致金属点阵结构的结构-功能性能下降,为此提出一种金属三维多层点阵结构内部缺陷的检测方法。在Faster R-卷积神经网络架构基础上设计特征提取网络,结合工... 采用增材制造技术制备的金属三维点阵结构可能存在裂纹、未熔合、断层等缺陷,导致金属点阵结构的结构-功能性能下降,为此提出一种金属三维多层点阵结构内部缺陷的检测方法。在Faster R-卷积神经网络架构基础上设计特征提取网络,结合工业CT扫描图片,对得到的断层灰度图像中缺陷部位进行快速、准确、智能检测识别和定位。实验验证结果表明,对金属三维多层点阵结构样件的内部典型缺陷识别率达到99. 5%. 展开更多
关键词 金属点阵结构 缺陷识别 无损检测 CT扫描图像 faster R-卷积神经网络
在线阅读 下载PDF
区域生长全卷积神经网络交互分割肝脏CT图像 被引量：6
10
作者 张丽娟 章润 +2 位作者 李东明 李阳 王晓坤 《液晶与显示》 CAS CSCD 北大核心 2021年第9期1294-1304,共11页
由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性,本文提出一种基于神经网络改进的区域生长法,并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。... 由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性,本文提出一种基于神经网络改进的区域生长法,并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。首先对图像进行预处理,突出待分割肝脏区域;接着计算像素在不同边缘检测算子下的梯度值作为该像素的特征,形成像素特征向量训练网络该网络以一对像素特征向量为输入,以两像素的关联度系数为输出;然后将训练好的神经网络模型作为区域生长算法的生长准则,手动交互选取一点产生分割结果;最后将分割结果作为原图的交互信息和原图灰度通道连接在一起一同输入全卷积神经网络。实验结果表明平均Dice系数达到96.69%,像素准确率达到99.62%,平均交并比达到96.65%。不同的腹部CT图像序列中肝脏的分割结果表明,该方法能精确提取肝脏区域,满足临床应用的需求。 展开更多
关键词 全卷积神经网络 区域生长法 交互式分割
在线阅读 下载PDF
基于改进区域卷积神经网络的安全帽佩戴检测 被引量：18
11
作者 徐守坤 王雅如 顾玉宛 《计算机工程与设计》 北大核心 2020年第5期1385-1389,共5页
针对已有的安全帽佩戴检测算法对小尺寸目标和部分遮挡目标检测效果较差的问题,在区域卷积神经网络基础上,做出优化用于安全帽佩戴检测。在原始Faster RCNN的基础上使用多层卷积特征融合技术优化区域建议网络产生候选区域特征图,使用在... 针对已有的安全帽佩戴检测算法对小尺寸目标和部分遮挡目标检测效果较差的问题,在区域卷积神经网络基础上,做出优化用于安全帽佩戴检测。在原始Faster RCNN的基础上使用多层卷积特征融合技术优化区域建议网络产生候选区域特征图,使用在线困难样本挖掘技术训练ROI网络,自动挑选出困难样本使训练更加有效。实验结果表明,相比原始的Faster RCNN算法,所提方法检测精度提高了4.73%,对部分遮挡和小尺寸目标均有较好的检测效果,对环境变化具有更强的适应性。 展开更多
关键词 安全帽佩戴检测 区域卷积神经网络 区域建议网络 多层卷积特征融合 在线困难样本挖掘
在线阅读 下载PDF
基于加速区域卷积神经网络的高铁接触网承力索底座裂纹检测研究 被引量：8
12
作者 刘凯 刘志刚 陈隽文 《铁道学报》 EI CAS CSCD 北大核心 2019年第7期43-49,共7页
针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特... 针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特点,通过Radon变换等预处理操作对承力索底座疑似裂纹区域精确定位,最后使用基于Beamlet变换的局部链搜索算法快速得到裂纹信息,实现承力索底座裂纹故障的可靠诊断。实验表明:该方法能在复杂的接触网支撑与悬挂装置图像中准确定位识别承力索底座裂纹故障,对拍摄距离、拍摄角度以及曝光度等因素具有很好的适应性,且具有较高的检测效率。 展开更多
关键词 高铁接触网 承力索底座 加速区域卷积神经网络 BEAMLET变换
在线阅读 下载PDF
基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测 被引量：32
13
作者 苟军年 杜愫愫 刘力 《电工技术学报》 EI CSCD 北大核心 2023年第1期47-59,共13页
由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标... 由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标特征保持性;其次,使用全局交并比(GIoU)计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。 展开更多
关键词 绝缘子缺陷检测 掩膜区域卷积神经网络 卷积注意力模块 特征融合 全局交并比 Tversky损失
在线阅读 下载PDF
基于运动区域差分与卷积神经网络的动作识别 被引量：9
14
作者 陈晓春 林博溢 +1 位作者 孙乾 张坤华 《计算机工程》 CAS CSCD 北大核心 2019年第12期274-280,293,共8页
针对视频动作识别中数据处理效率不高的问题,建立一种基于视频帧间差分序列的动作识别模型。利用帧间差分检测视频帧中的运动区域,以该区域为中心进行相应的图像剪切和增强处理。整个识别模型采用双流架构,在数据样本制作时通过适当的... 针对视频动作识别中数据处理效率不高的问题,建立一种基于视频帧间差分序列的动作识别模型。利用帧间差分检测视频帧中的运动区域,以该区域为中心进行相应的图像剪切和增强处理。整个识别模型采用双流架构,在数据样本制作时通过适当的隔帧差分来扩大样本的时间跨度。采用分阶段逐步增加训练样本量的方法,以提升模型识别性能并解决训练过程中易出现的过拟合问题。实验结果表明,该模型可以在CPU级配置的电脑中完成快速动作识别,且在UCF11和UCF25数据集中的识别准确率均高于85%。 展开更多
关键词 帧间差分 动作识别 双流架构 卷积神经网络 运动区域
在线阅读 下载PDF
基于卷积神经网络快速区域标定的表面缺陷检测 被引量：25
15
作者 李宜汀 谢庆生 +2 位作者 黄海松 姚立国 魏琴 《计算机集成制造系统》 EI CSCD 北大核心 2019年第8期1897-1907,共11页
为检测生产线中产品的表面缺陷,提出一种基于卷积神经网络快速区域标定(FasterR-CNN)的缺陷检测方法,用于识别缺陷类型并标记出缺陷位置。预处理阶段提出区域规划方法粗略裁剪出缺陷主体,以避免产生大量冗余窗口,从而提升检测速度和精... 为检测生产线中产品的表面缺陷,提出一种基于卷积神经网络快速区域标定(FasterR-CNN)的缺陷检测方法,用于识别缺陷类型并标记出缺陷位置。预处理阶段提出区域规划方法粗略裁剪出缺陷主体,以避免产生大量冗余窗口,从而提升检测速度和精度。所提算法结合数据扩充方法增加了图像数量,通过划分K折交叉验证数据集改善了算法的鲁棒性;同时,将稀疏滤波思想融入卷积神经网络,提取双重深度特征作为FasterR-CNN的输入,提升了FasterR-CNN位置检测和识别的精度。通过油辣椒灌装生产线的封盖面典型缺陷检测验证了所提方法的可行性。 展开更多
关键词 表面缺陷检测 卷积神经网络快速区域标定 位置检测 稀疏滤波 生产过程监控
在线阅读 下载PDF
基于迁移学习深度卷积神经网络的配电网故障区域定位 被引量：48
16
作者 孟子超 杜文娟 王海风 《南方电网技术》 CSCD 北大核心 2019年第7期25-33,共9页
数据驱动方式作为解决配电网故障定位的新方法,由于配电网故障样本数量相对较少而受到限制。为此提出了一种基于迁移学习的深度卷积神经网络(CNN)故障区域定位方法,以解决深度学习中小样本下学习效果差的问题。首先,分析了迁移学习和CN... 数据驱动方式作为解决配电网故障定位的新方法,由于配电网故障样本数量相对较少而受到限制。为此提出了一种基于迁移学习的深度卷积神经网络(CNN)故障区域定位方法,以解决深度学习中小样本下学习效果差的问题。首先,分析了迁移学习和CNN的特点,论述了二者应用于配电网故障区域定位问题的可行性与优势。然后,利用ResNet50网络搭建了基于迁移学习的CNN模型。IEEE33节点配电网模型验证表明,所提方法仅利用两个测点的电压电流信息,在小样本情况下能迅速完成对故障区域的准确定位,且不易受过渡电阻、故障类型、噪声等因素影响。 展开更多
关键词 深度学习 迁移学习 卷积神经网络 配电网 故障区域定位
在线阅读 下载PDF
基于改进区域卷积神经网络的田间玉米叶部病害识别 被引量：18
17
作者 樊湘鹏 周建平 许燕 《华南农业大学学报》 CAS CSCD 北大核心 2020年第6期82-91,共10页
【目的】引入区域卷积神经网络Faster R-CNN算法并对其改进,以实现在田间真实环境下背景复杂且具有相似病斑特征的玉米病害的智能诊断。【方法】在玉米田间和公开数据集网站获取具有复杂背景的9种常见病害图像1150幅,人工标注后对原始... 【目的】引入区域卷积神经网络Faster R-CNN算法并对其改进,以实现在田间真实环境下背景复杂且具有相似病斑特征的玉米病害的智能诊断。【方法】在玉米田间和公开数据集网站获取具有复杂背景的9种常见病害图像1150幅,人工标注后对原始图像进行离线数据增强扩充;对Faster R-CNN算法进行适应性改进,在卷积层加入批标准化处理层,引入中心代价函数构建混合代价函数,提高相似病斑的识别精度;采用随机梯度下降算法优化训练模型,分别选取4种预训练的卷积结构作为Faster R-CNN的特征提取网络进行训练,并测试得到最优特征提取网络,利用训练好的模型选取不同天气条件下的测试集进行对比,并将改进Faster R-CNN与未改进的Faster R-CNN和SSD算法进行对比试验。【结果】在改进Faster R-CNN病害识别框架中,以VGG16卷积层结构作为特征提取网络具有更出色的性能,利用测试集图像检验模型,识别结果的平均精度为0.9718,平均召回率为0.9719,F1为0.9718,总体平均准确率可达97.23%;晴天的图像识别效果优于阴天的。改进Faster R-CNN算法与未改进的Faster R-CNN算法相比,平均精度高0.0886,单张图像检测耗时减少0.139 s;与SSD算法相比,平均精度高0.0425,单张图像检测耗时减少0.018 s,表明在大田环境中具有复杂背景的玉米病害智能检测领域,改进Faster R-CNN算法综合性能优于未改进的Faster R-CNN算法和SSD算法。【结论】将改进后的Faster R-CNN算法引入田间复杂条件下的玉米病害智能诊断是可行的,具有较高的准确率和较快的检测速度,能够避免传统人工识别的主观性,该方法为田间玉米病害的及时精准防控提供了依据。 展开更多
关键词 玉米病害 复杂背景 数据增强 区域卷积神经网络 批归一化 混合损失函数
在线阅读 下载PDF
基于图像区域分割和卷积神经网络的电成像缝洞表征 被引量：9
18
作者 张浩 王亮 +3 位作者 司马立强 范玲 郭宇豪 郭一凡 《石油地球物理勘探》 EI CSCD 北大核心 2021年第4期698-706,735,I0007,I0008,共12页
电成像的处理、解释大量依赖人工操作,存在缝洞表征困难等问题。人工操作不但效率低,而且还存在难以消除的人为误差。为此,提出一种基于图像区域分割和卷积神经网络的电成像图像自动识别裂缝、溶蚀孔洞的方法。该方法基于电成像数据,结... 电成像的处理、解释大量依赖人工操作,存在缝洞表征困难等问题。人工操作不但效率低,而且还存在难以消除的人为误差。为此,提出一种基于图像区域分割和卷积神经网络的电成像图像自动识别裂缝、溶蚀孔洞的方法。该方法基于电成像数据,结合Otsu算法与平均法分割阈值,从地层背景中分离裂缝、溶蚀孔洞信息,并应用连通域像素标记法提取独立的连通域缝洞个体;然后,搭建并训练改进的LeNet-5网络模型,以多种地质构造的图像特征为标准制备训练样本集,实现缝洞特征的自动识别;最后,结合常规测井曲线,利用训练后模型的识别结果对图像分类,利用识别和提取的裂缝、溶蚀孔洞结果准确计算有效面孔率等定量评价参数。通过测试模型和实际数据的应用,验证了方法的适用性和合理性。相较于电成像的人工处理手段,该方法能够提高精度(避免人为误差)和处理速度(15s/m),训练模型针对测试集的预测准确率达97.8%,可为缝洞型储层的测井精细解释提供算法支撑。 展开更多
关键词 图像区域分割 卷积神经网络 电成像图像 裂缝 溶蚀孔洞
在线阅读 下载PDF
基于更快区域卷积神经网络的多视角船舶识别 被引量：5
19
作者 程静 王荣杰 +2 位作者 曾光淼 林安辉 王亦春 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2023年第10期1832-1840,共9页
针对在复杂海洋环境下采集船舶多视角图像难度大、不同视角下船舶外观差异显著的问题,本文以自制的不同类型的多艘船舶的多视角图像为数据集训练更快区域卷积神经网络模型,利用平均F1分数、平均精度和平均误检率作为评价指标评估更快区... 针对在复杂海洋环境下采集船舶多视角图像难度大、不同视角下船舶外观差异显著的问题,本文以自制的不同类型的多艘船舶的多视角图像为数据集训练更快区域卷积神经网络模型,利用平均F1分数、平均精度和平均误检率作为评价指标评估更快区域卷积神经网络模型对不同视角船舶的识别性能,并通过识别不同船舶的F1分数和误检率分析更快区域卷积神经网络对不同质量、背景图像的识别能力。实验结果表明,更快区域卷积神经网络识别多角度船舶的平均F1分数为0.6969,平均精度为92.88%,平均误检率为8.34%,即更快区域卷积神经网络对多视角船舶有较高的识别能力,但对于有雾或昏暗环境下的低像素图像识别能力明显下降。 展开更多
关键词 多视角 船舶识别 视觉图像 更快区域卷积神经网络 目标检测 特征提取 深度学习 低分辨率图像
在线阅读 下载PDF
面向铁路货车车号定位的Faster R-CNN卷积神经网络 被引量：12
20
作者 张晓丽 董昱 《电子测量与仪器学报》 CSCD 北大核心 2020年第10期65-73,共9页
为了解决传统算法对于铁路货运列车车号识别准确率不高问题,提出了一种面向铁路货车车号定位的Faster R-CNN神经网络。通过调整特征提取网络的相关尺寸参数及连接方式增强了最后一层卷积特征图的细节特征。并采用k-means++聚类算法求取... 为了解决传统算法对于铁路货运列车车号识别准确率不高问题,提出了一种面向铁路货车车号定位的Faster R-CNN神经网络。通过调整特征提取网络的相关尺寸参数及连接方式增强了最后一层卷积特征图的细节特征。并采用k-means++聚类算法求取车号区域长宽比改进anchor尺寸设计,使目标检测框与实际车号区域更加贴合。实验过程中,采用了数据增广、dropout方法提升网络的鲁棒性。结果显示,改进Faster R-CNN网络在铁路货车车号定位精度达到了93.15%,召回率90.76%,综合F1指标91.94%,也说明该方法能够对铁路货车车号准确定位,并为车号识别过程提供可靠的数据支持。 展开更多
关键词 货车车号定位 faster R-CNN 卷积神经网络 特征增强
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 13 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部