基于CBAM-InceptionV3迁移学习的食品图像分类 被引量：4

1

作者 杜慧江 崔潇以 +1 位作者 王艺蒙 孙丽萍 《粮油食品科技》 CAS CSCD 北大核心 2024年第1期91-98,共8页

为提高食品图像自动识别分类的准确率,提出一种嵌入通道注意力机制和空间注意力机制的卷积块注意力模块(CBAM)的“开端”第三版(Inception V3)分类模型。将带有图像网络(ImageNet)预训练权重参数的InceptionV3模型拆分后,在每个Inceptio... 为提高食品图像自动识别分类的准确率,提出一种嵌入通道注意力机制和空间注意力机制的卷积块注意力模块(CBAM)的“开端”第三版(Inception V3)分类模型。将带有图像网络(ImageNet)预训练权重参数的InceptionV3模型拆分后,在每个Inception块后嵌入CBAM模块,再重新组装成新模型,共嵌入11个CBAM模块。将此模型用于经过填充和缩放到299×299像素的Food-101食品图像数据集进行迁移学习,最高准确率达到82.01%。与原始的InceptionV3模型相比,CBAM模块能够有效提升模型的特征提取和分类能力;同时迁移学习与从头开始训练相比也可以大幅提高准确率、缩短训练时间。与其它几类主流卷积神经网络模型进行对比实验,结果表明该模型具有较高的识别准确率,可为食品图像分类识别提供有力支撑。 展开更多

关键词 食品图像分类 通道注意力 空间注意力 CBAM inceptionv3 迁移学习

在线阅读 下载PDF 职称材料

基于改进InceptionV3算法的小麦杂质识别研究

2

作者 林燕翔 沈印 李光林 《中国农机化学报》 北大核心 2024年第4期108-116,共9页

为解决传统人工识别小麦效率低、主观性高的问题,提出一种基于改进的CBAM-InceptionV3小麦杂质识别方法。搭建机器视觉在线检测平台采集动态图像数据,采用数据集增强、图像预处理和KS分类方法对小麦杂质图像进行处理;选用GoogLeNet、Res... 为解决传统人工识别小麦效率低、主观性高的问题,提出一种基于改进的CBAM-InceptionV3小麦杂质识别方法。搭建机器视觉在线检测平台采集动态图像数据,采用数据集增强、图像预处理和KS分类方法对小麦杂质图像进行处理;选用GoogLeNet、ResNet34、InceptionV3三种模型对图像数据集进行分类训练。以InceptionV3模型为基础,引入注意力机制CBAM,增强模型对信息的敏感度,提升模型的识别准确率。将改进卷积神经网络CBAM-InceptionV3模型与加入CA模块的CA-InceptionV3、InceptionV3两种模型进行对比试验。结果表明,InceptionV3模型在测试集上准确率为83.5%、F_(1)-Score为82.41%,CA-InceptionV3模型在测试集上准确率为92.3%、F_(1)-Score值为92.29%,CBAM-InceptionV3在测试集上准确率为92.9%、F_(1)-Score值为92.92%。CBAM-InceptionV3模型对测试集的平均预测时间为0.045张/s,明显优于其他两种模型。 展开更多

关键词 小麦杂质 卷积神经网络 分类识别 CBAM-inceptionv3 可视化

在线阅读 下载PDF 职称材料

基于改进InceptionV3网络的光伏组件航拍红外图像故障分类方法 被引量：7

3

作者 姜萍 李梦瑶 栾艳军 《激光杂志》 CAS 北大核心 2022年第8期90-94,共5页

在应用神经网络进行光伏组件红外图像故障检测中,针对其存在学习效率低、运行速度慢等问题,提出一种改进InceptionV3网络的故障分类方法。首先,通过设置宽度因子来压缩模型通道数;然后通过SENet机制实现网络结构优化,提升故障特征的提... 在应用神经网络进行光伏组件红外图像故障检测中,针对其存在学习效率低、运行速度慢等问题,提出一种改进InceptionV3网络的故障分类方法。首先,通过设置宽度因子来压缩模型通道数;然后通过SENet机制实现网络结构优化,提升故障特征的提取能力;最后通过引入logcosh函数为损失函数增加约束项,确保输出loss值的稳定性并解决数值溢出问题。实验结果表明,改进后的InceptionV3模型在提升准确率的同时减少了运行时间,为光伏组件的故障分类提供了一种有效方案。 展开更多

关键词 红外图像 故障分类 光伏组件 inceptionv3 注意力机制

在线阅读 下载PDF 职称材料

基于InceptionV3的烟草病害识别 被引量：28

4

作者 张文静 孙秀朋 +5 位作者 乔永亮 白鹏 姜红花 王玉军 杜传印 宗浩 《中国烟草学报》 CAS CSCD 北大核心 2021年第5期61-70,共10页

【背景和目的】烟草病害严重制约影响烟草的产量及质量。为解决烟草病害诊断方式精准性差、效率低等问题。【方法】以5种较为常见的烟草病害(烟草花叶病、黄瓜花叶病毒病、烟草赤星病、烟草野火病、烟草气候性斑点病)为研究对象,基于Inc... 【背景和目的】烟草病害严重制约影响烟草的产量及质量。为解决烟草病害诊断方式精准性差、效率低等问题。【方法】以5种较为常见的烟草病害(烟草花叶病、黄瓜花叶病毒病、烟草赤星病、烟草野火病、烟草气候性斑点病)为研究对象,基于InceptionV3网络使用迁移学习方法构建烟草病害识别模型,对比测试原始数据集、数据增强后数据集、MSRCR数据集和图像融合数据集。【结果】图像融合数据集的识别准确率为90.80%,平均识别时间为1.33 s,比原始数据集的识别准确率(70.00%)提高了29.71%。【结论】该方法能快速准确识别烟草病害,可为烟草病害的防治提供理论基础。 展开更多

关键词 卷积神经网络 inceptionv3 图像增强 烟草病害 深度学习

在线阅读 下载PDF 职称材料

改进InceptionV3与迁移学习的太阳能电池板缺陷识别 被引量：5

5

作者 史册 南新元 《计算机工程与科学》 CSCD 北大核心 2023年第4期646-653,共8页

传统识别方法对太阳能电池板表面缺陷的识别准确率低、速度慢,针对该情况,提出一种基于改进InceptionV3与迁移学习的识别方法。首先对采集到的太阳能电池板图像进行预处理;其次采用平衡因子δ,引入了新损失函数来改进InceptionV3神经网... 传统识别方法对太阳能电池板表面缺陷的识别准确率低、速度慢,针对该情况,提出一种基于改进InceptionV3与迁移学习的识别方法。首先对采集到的太阳能电池板图像进行预处理;其次采用平衡因子δ,引入了新损失函数来改进InceptionV3神经网络,保证了网络的识别率;最后结合迁移学习方法建立缺陷识别模型,进一步提升性能。仿真结果表明,该方法有效提升了太阳能电池板的缺陷识别准确率和速度,其识别准确率高达96.43%,相较于传统InceptionV3模型提升了2.45%,平均分类时间缩短了4.5 ms,表明此方法取得了很好的效果,且具有广阔的应用前景。 展开更多

关键词 太阳能电池板 神经网络 损失函数 inceptionv3 迁移学习 缺陷识别

在线阅读 下载PDF 职称材料

基于多分类自适应聚焦损失与B-CNN的棉田昆虫细粒度图像分类研究 被引量：1

6

作者 郝月华 吕卫东 +1 位作者 张幽迪 冯俊磊 《现代电子技术》 北大核心 2025年第5期43-48,共6页

针对复杂背景下棉田昆虫细粒度图像分类问题,提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络(B-CNN)的研究方法。为更有效地提取图像特征,选取B-CNN作为主干网络,预训练的Inception V3作为特征提取网络,并加入了注意力机制C... 针对复杂背景下棉田昆虫细粒度图像分类问题,提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络(B-CNN)的研究方法。为更有效地提取图像特征,选取B-CNN作为主干网络,预训练的Inception V3作为特征提取网络,并加入了注意力机制CBAM模块。针对图像数据集类别不平衡的问题,设计了一种多分类自适应聚焦损失函数,提高模型对少数类别的识别能力。此外,在模型训练过程中加入L2正则化解决模型过拟合问题,使用Reduce LROn Plateau学习率调度器帮助模型达到最优解。实验结果显示,文中模型在验证集上的准确率达到97.52%,在测试集上的准确率达到97.14%,同时损失值、F1分数等评价指标也均优于其他对比模型。该研究不仅为棉田昆虫的图像分类提供了一种有效的技术手段,也为其他领域的细粒度图像分类问题提供了有益的参考。 展开更多

关键词 棉田昆虫 B-CNN 多分类自适应聚焦损失 inceptionv3 CBAM 细粒度图像分类

在线阅读 下载PDF 职称材料

基于深度学习的岩石断口微观形貌识别

7

作者 张艳博 胡海伟 +2 位作者 王帅 陶志刚 来有邦 《科学技术与工程》 北大核心 2025年第24期10361-10373,共13页

岩石断口微观形貌识别对于揭示岩石断裂失效机理具有关键作用。深度学习在图像识别领域有显著成效,但其在岩石断口图像识别上仍面临主观性强和特征复杂等问题。为了提高岩石断口图像识别的准确性,提出一种改进的InceptionV3模型,该模型... 岩石断口微观形貌识别对于揭示岩石断裂失效机理具有关键作用。深度学习在图像识别领域有显著成效,但其在岩石断口图像识别上仍面临主观性强和特征复杂等问题。为了提高岩石断口图像识别的准确性,提出一种改进的InceptionV3模型,该模型融合了Self-Attention与双线性注意力机制,对局部和全局特征提取,结合特征拼接融合技术,提升模型有效特征的提取能力,实现岩石断口图像识别。以岩石断口数据集为例进行分析,结果表明:改进的InceptionV3模型在砂岩断口图像识别方面准确率达到98.27%,使用验证集对训练好的模型进行验证,Precision、Recall和F1-Score均达到85%,验证了模型的高效性和可靠性。研究成果为岩石断口图像的自动化、高精度识别提供了一种新的解决方案,有利于岩石断裂失效的判定,对岩体工程灾害的预防具有重要的指导意义。 展开更多

关键词 岩石断口 图像识别 inceptionv3 Self-Attention 特征融合

在线阅读 下载PDF 职称材料

基于卷积神经网络的颈椎成熟度及矢状骨面型的一步式诊断

8

作者 陈丽娜 宋具昆 +2 位作者 江媛绮 吕豪 黎敏 《实用口腔医学杂志》 北大核心 2025年第5期643-650,共8页

目的:比较4种主流卷积神经网络模型在头颅侧位片上一步式自动诊断颈椎成熟度及矢状骨面型的性能。方法:纳入600张头颅侧位片,以2名正畸专科医生判别颈椎成颈熟分期及半自动测量矢状骨面型后制作数据集。将数据集数据增强后分别以80%作... 目的:比较4种主流卷积神经网络模型在头颅侧位片上一步式自动诊断颈椎成熟度及矢状骨面型的性能。方法:纳入600张头颅侧位片,以2名正畸专科医生判别颈椎成颈熟分期及半自动测量矢状骨面型后制作数据集。将数据集数据增强后分别以80%作为训练集,20%作为测试集,用相同的训练方法对卷积神经网络模型InceptionV3、ResNet50、ShuffleNetV2和VGG16的性能进行比较。结果:InceptionV3、ResNet50、ShuffleNetV2、VGG16判别颈椎成熟度分期的准确率分别为98.44%、89.85%、60.55%和67.97%,矢状骨面型分型的准确率分别为96.56%、92.19%、80.00%和88.13%。结论:4种卷积神经网络模型中,InceptionV3对于颈椎成熟度分期及矢状骨面型分型的识别总体学习性能最好。 展开更多

关键词 人工智能 深度学习 卷积神经网络 inceptionv3 颈椎成熟度 矢状骨面型 头颅侧位片

在线阅读 下载PDF 职称材料

基于改进YOLOv4的多目标车辆检测算法 被引量：10

9

作者 江屾 殷时蓉 +2 位作者 罗天洪 郑讯佳 张洪杰 《计算机工程与设计》 北大核心 2024年第4期1181-1188,共8页

针对现有检测方法存在小目标车辆漏检率高以及夜间车辆误检率高的问题,提出一种基于改进YOLOv4的多目标检测算法。引入深度可分离卷积代替标准卷积,减少模型的参数量与计算量。在保留YOLOv4输出层的同时,增加一层网格为104×104的... 针对现有检测方法存在小目标车辆漏检率高以及夜间车辆误检率高的问题,提出一种基于改进YOLOv4的多目标检测算法。引入深度可分离卷积代替标准卷积,减少模型的参数量与计算量。在保留YOLOv4输出层的同时,增加一层网格为104×104的输出层,提升算法对小目标车辆的检测性能。在Head部分引入Inceptionv3结构,采用K-means++聚类算法重新确定锚框,进一步提高算法对小目标车辆的检测性能。实验结果表明,算法相比改进前,在不降低检测速度的同时,其mAP增加2.44%,模型大小减少1/3,具有良好的鲁棒性。 展开更多

关键词 车辆检测 深度学习 YOLOv4 深度可分离卷积 inceptionv3 K-means++ 多目标识别

在线阅读 下载PDF 职称材料

基于深度学习波形图像识别的轴承故障诊断方法 被引量：7

10

作者 余刃 谢旭阳 +2 位作者 王天舒 彭俏 陈玉昇 《海军工程大学学报》 CAS 北大核心 2021年第4期76-82,共7页

为解决传统的轴承故障诊断方法需要大量专业知识的问题,提出了一种基于深度学习振动信号波形图像识别的轴承故障在线自动诊断方法。首先,采用InceptionV3模型作为预训练模型,设计了深度学习和迁移学习相结合的InceptionV3模型训练方法;... 为解决传统的轴承故障诊断方法需要大量专业知识的问题,提出了一种基于深度学习振动信号波形图像识别的轴承故障在线自动诊断方法。首先,采用InceptionV3模型作为预训练模型,设计了深度学习和迁移学习相结合的InceptionV3模型训练方法;然后,采用交叉熵作为损失函数,用于评价模型训练效果,给出了进行故障诊断的方法步骤,并用轴承在正常和不同故障状态时的振动数据,开展了方法有效性验证实验;最后,采用主成分分析法分析了InceptionV3模型提取的特征参数对不同故障模式的聚类效果,并通过对比分析运用与不运用迁移学习时InceptionV3模型的训练次数和训练时间,验证了迁移学习方法对模型训练速度的改善效果。结果表明:所提出的方法对不同故障状态有较高的识别精度,并且可以降低计算资源的要求,保证诊断过程的实时性。 展开更多

关键词 轴承故障论断 inceptionv3 深度学习 波形图像识别

在线阅读 下载PDF 职称材料

基于轻量级CNN的植物病害识别方法及移动端应用 被引量：84

11

作者 刘洋 冯全 王书志 《农业工程学报》 EI CAS CSCD 北大核心 2019年第17期194-204,共11页

为了实现在手机端植物病害叶片检测,对MobileNet和Inception V3 2种轻量级卷积神经网络进行迁移学习,得到2种作物病害分类模型,将2种分类模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表... 为了实现在手机端植物病害叶片检测,对MobileNet和Inception V3 2种轻量级卷积神经网络进行迁移学习,得到2种作物病害分类模型,将2种分类模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表明,MobileNet和Inception V3在PlantVillage数据集(共38类26种病害)上平均识别率分别是95.02%和95.62%。在自建图像集葡萄病害叶片的识别中MobileNet和Inception V3平均识别率分别是87.50%、88.06%,Inception V3的整体识别精度略高,但MobileNet在所有类别的识别上均衡性更好;在模型尺寸方面Inception V3的模型尺寸大小为87.5 MB,MobileNet的模型尺寸为17.1 MB,大约是后者5倍;2种模型移植到手机端时,MobileNet和Inception V3的APP所占内存分别是21.5和125 MB;在手机端单张图片的识别时间方面,Inception V3平均计算时间约是174 ms,MobileNet的平均计算时间约是134 ms,后者的平均计算时间比前者快40 ms;在手机端MobileNet相比于Inception V3占用内存更小,运算时间更快。说明MobileNet更适合在手机端进行植物病害识别应用。 展开更多

关键词 植物 病害 图像识别 MobileNet inceptionv3 ANDROID

在线阅读 下载PDF 职称材料

体育器材数据集的构建及分类方法研究 被引量：2

12

作者 石瑞 艾山·吾买尔 +2 位作者 早克热·卡德尔 王中玉 杰恩斯艾力·努尔达艾勒 《东北师大学报（自然科学版）》 CAS 北大核心 2022年第4期54-63,共10页

针对现有公开体育器材数据集较少且种类有限的缺点,构建了一个新的数据集SED(Sports Equipment Dataset),该数据集具有分布均衡、多样性高、背景丰富等优点.对于多类别小规模数据集,单一模型预测效果不能达到预期的准确率,因此在构建SE... 针对现有公开体育器材数据集较少且种类有限的缺点,构建了一个新的数据集SED(Sports Equipment Dataset),该数据集具有分布均衡、多样性高、背景丰富等优点.对于多类别小规模数据集,单一模型预测效果不能达到预期的准确率,因此在构建SED数据集基础上,提出了一种模型融合与迁移学习相结合的方法.选取ResNet50和InceptionV3作为特征提取器,将2个模型提取的特征融合输入到全连接层再实现分类.同时利用迁移学习的方法优化模型参数,进一步提高模型精度.实验结果表明,在涉及69类体育器材图片分类任务中,准确率达到85%,对体育器材图片分类具有较好的效果. 展开更多

关键词 体育器材 ResNet50 inceptionv3 迁移学习 模型融合

在线阅读 下载PDF 职称材料

基于改进YOLOv4算法的PCB缺陷检测研究 被引量：66

13

作者 伍济钢 成远 +1 位作者 邵俊 阳德强 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第10期171-178,共8页

针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用Mobi... 针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用MobileNetV3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、MobileNetV3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。 展开更多

关键词 PCB缺陷检测 YOLOv4 二分K-means聚类 MobileNetV3 inceptionv3

在线阅读 下载PDF 职称材料

基于迁移学习的船舶目标识别 被引量：1

14

作者 乔丹 刘刚 +2 位作者 杨执钧 钟韬 白雪 《计算机应用研究》 CSCD 北大核心 2020年第S01期324-325,328,共3页

在目标识别中,随着特征提取的技术手段发生变化,识别精准度也随之变化。采用卷积神经网络InceptionV3对船舶样本进行分类识别,并引入迁移学习的思想避免网络的过拟合。根据防撞对象、轮廓外形、地理环境的相似性开展个性特征下的迁移学... 在目标识别中,随着特征提取的技术手段发生变化,识别精准度也随之变化。采用卷积神经网络InceptionV3对船舶样本进行分类识别,并引入迁移学习的思想避免网络的过拟合。根据防撞对象、轮廓外形、地理环境的相似性开展个性特征下的迁移学习实验,从而实现高精度的船舶与关联场景目标的多分类识别,有力地验证了基于Inception V3的迁移学习对船舶的特征提取具有较强的泛化能力。 展开更多

关键词 目标识别 迁移学习 inceptionv3 多分类 卷积神经网络

在线阅读 下载PDF 职称材料

吊装机器人肢体动作指令识别技术研究

15

作者 倪涛 邹少元 +3 位作者 刘海强 黄玲涛 陈宁 张红彦 《农业机械学报》 EI CAS CSCD 北大核心 2019年第6期405-411,426,共8页

鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNNBP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移... 鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNNBP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移学习方法对RGB骨架图使用InceptionV3网络提取图像深层抽象特征,并对训练数据集采用旋转、平移、缩放和仿射多种数据增强方式,以扩充训练数据,防止过拟合;再将提取的骨架向量使用BP神经网络提取点线面等浅层特征;最后对InceptionV3网络和BP神经网络输出进行融合,并使用Softmax求解器得到肢体识别结果。将肢体识别结果输入机器人辅助吊装控制系统,建立双重验证控制方法,完成机器人辅助吊装操作。实验结果表明,该方法保证了模型运行的精度和时效性,实时识别精度达0.99以上,大大提升了远距离人机交互能力。 展开更多

关键词 吊装机器人 BP神经网络 肢体识别 OpenPose inceptionv3

在线阅读 下载PDF 职称材料