基于卷积神经网络的内窥镜图像识别及FPGA实现

1

作者 刘生山 林金朝 +2 位作者 庞宇 王元发 周前能 《现代电子技术》 北大核心 2025年第11期156-162,共7页

为提高内窥镜病灶识别准确率和速度,减少检测仪器功耗,针对现有VGG16网络模型参数量大、FPGA加速困难等缺陷,文中提出一种改进VGG的图像识别电路系统,并将该系统首次应用于内窥镜图像病灶识别。首先,通过软件技术优化VGG算法卷积层和全... 为提高内窥镜病灶识别准确率和速度,减少检测仪器功耗,针对现有VGG16网络模型参数量大、FPGA加速困难等缺陷,文中提出一种改进VGG的图像识别电路系统,并将该系统首次应用于内窥镜图像病灶识别。首先,通过软件技术优化VGG算法卷积层和全连接层,增加自适应平均池化层;然后设计优化的卷积IP核,实现卷积和最大池化FPGA加速。为减少模型参数量,有效降低FPGA资源消耗,将改进网络层和批归一化层融合。实验结果表明,改进后的网络模型平均识别准确率为95.59%,模型大小为35.90 MB,相比原始网络准确率提升了3.24%,模型参数量减少92.99%。FPGA板级检测时间为0.55 s/张,相较ARM端和CPU端检测时间减少1509.06 s/张和0.14 s/张。通过优化和改进,提出的电路系统显著提升了内窥镜病灶识别的效率和准确率,有效降低了硬件资源消耗。 展开更多

关键词 卷积神经网络 vgg模型 FPGA 内窥镜图像识别 高层次综合工具 软硬协同

在线阅读 下载PDF 职称材料

基于迁移学习和VGG19卷积神经网络的苹果树叶片病虫害图像分类方法 被引量：2

2

作者 陈浩 唐柳青 《南方农机》 2024年第20期6-9,共4页

[目的]传统的苹果树叶片病虫害识别方法存在识别准确率低、效率低等问题,亟需探索一种更有效的叶片病虫害图像分类方法。[方法]文章基于VGG19卷积神经网络,采用迁移学习策略,提出了一种创新的苹果树叶片病虫害图像分类方法。该方法借助I... [目的]传统的苹果树叶片病虫害识别方法存在识别准确率低、效率低等问题,亟需探索一种更有效的叶片病虫害图像分类方法。[方法]文章基于VGG19卷积神经网络,采用迁移学习策略,提出了一种创新的苹果树叶片病虫害图像分类方法。该方法借助ImageNet预训练的VGG19网络,通过参数迁移和模型微调,构建了专门的病虫害图像分类流程。并对该模型进行应用与测试,利用训练集调整参数、验证集优化模型、测试集评估分类精度。[结果]通过迁移学习,将经过ImageNet训练的VGG19模型成功微调至苹果树叶片病虫害数据集并生成了新的分类模型。新模型对各叶片病虫害的分类准确率均在99%及以上,对健康叶片的分类准确率达到了100%。[结论]在训练过程中,未见过拟合或欠拟合,表明迁移学习有效解决了数据稀缺问题,分类精度较高,具有强大的应用潜力。 展开更多

关键词 迁移学习 vgg19 卷积神经网络 病虫害 图像识别

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的苹果叶片病害识别 被引量：1

3

作者 姜月明 王健 +1 位作者 董光辉 胡彭元 《江苏农业科学》 北大核心 2024年第14期214-221,共8页

为了提高真实条件下苹果叶片病害识别准确度和识别速度,提出了一种基于改进的卷积神经网络苹果叶部病害识别方法,该方法是在卷积神经网络VGG16的基础上进行改进完成的。首先针对5类常见苹果叶片病害图片样本集合,采用数字图像处理算法(... 为了提高真实条件下苹果叶片病害识别准确度和识别速度,提出了一种基于改进的卷积神经网络苹果叶部病害识别方法,该方法是在卷积神经网络VGG16的基础上进行改进完成的。首先针对5类常见苹果叶片病害图片样本集合,采用数字图像处理算法(如旋转照片角度、增强降低图像亮度和锐度、添加高斯噪声等)进行数据集增强完成原有数据集的扩充,扩充后获得26377张苹果叶片病害图像,以增加样本多样性,提高模型的泛化能力。通过对叶片病斑特征的差异进行研究,比较了多种高效的卷积神经网络模型架构,最终选出VGG16网络模型作为基础模型,并对其进行改进,通过添加SK模块以及将全连接层改为全局平均池化,提升了模型的识别准确率以及网络稳定性,同时也加快了模型的收敛速度,提升了苹果叶片病害识别速度。试验表明,改进后的VGG16模型识别准确率高达96.17%,相对于VGG16模型提升了3.55百分点。试验结果表明,本研究为苹果叶片病害识别提供了一种可行的高性能解决方案,可有效提升苹果叶片病害的识别准确度和速度,也为深度学习和人工智能技术在农业信息化领域的应用探索了新的途径。 展开更多

关键词 病害识别 卷积神经网络 迁移学习 图像识别 vgg16模型

在线阅读 下载PDF 职称材料

基于VGG-16卷积神经网络的水稻害虫智能识别研究 被引量：8

4

作者 钱蓉 孔娟娟 +2 位作者 朱静波 张萌 董伟 《安徽农业科学》 CAS 2020年第5期235-238,共4页

为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实... 为了实现自然场景下水稻害虫实时精准被识别,构建基于VGG-16卷积神经网络的水稻害虫智能识别模型。该模型采用VGG-16卷积神经网络为核心网络结构,根据水稻害虫的个体特征和自然场景,对VGG-16网络的卷积层局部调整,优化主要模型参数,实现水稻害虫的智能识别,其识别的平均准确率是90.7%,实现对沙叶蝉、大螟、斑须蝽、点蜂缘蝽和白背飞虱的准确识别。研究结果显示,采用卷积神经网络技术可以实现自然场景下害虫图像的精准识别,代替人工辨认,提高水稻害虫防治率,实现实时、精准防治的目标。 展开更多

关键词 水稻 害虫 智能识别 vgg-16 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进VGG19卷积神经网络的肺炎图像分类(特邀) 被引量：12

5

作者 熊丰 何迪 +4 位作者 刘玉杰 齐美捷 郜鹏 张周锋 刘立新 《光子学报》 EI CAS CSCD 北大核心 2021年第10期335-343,共9页

将VGG19卷积神经网络与机器学习算法结合,构建了基于SVM(linear)和XGBoost的两种VGG19改进模型,并且分别利用VGG19模型和两种改进的VGG19模型对细菌性肺炎和病毒性肺炎图像进行分类。对三种网络模型的性能进行评估和比较,结果显示三种... 将VGG19卷积神经网络与机器学习算法结合,构建了基于SVM(linear)和XGBoost的两种VGG19改进模型,并且分别利用VGG19模型和两种改进的VGG19模型对细菌性肺炎和病毒性肺炎图像进行分类。对三种网络模型的性能进行评估和比较,结果显示三种模型的平均准确率均在85.9%以上。改进的VGG19模型在准确率的稳定性方面优于传统VGG19模型,基于XGBoost的VGG19模型的综合性能最好,验证了深度学习模型结合机器学习模型的有效性。 展开更多

关键词 肺炎图像分类 卷积神经网络 深度学习 vgg19 支持向量机 极端梯度提升

在线阅读 下载PDF 职称材料

基于改进VGG卷积神经网络的叶菜霜霉病智能识别算法研究 被引量：6

6

作者 梅莹 尹艺璐 +2 位作者 石称华 刘哲辉 常丽英 《上海蔬菜》 2021年第6期76-84,共9页

该文针对用传统方法识别叶菜霜霉病难度大、精度低等问题,将卷积神经网络应用于结球白菜、菠菜、莴笋霜霉病的识别与分类。作者通过图像搜集、预处理和扩增,构建了3种叶菜霜霉病图像数据库,并运用于VGG16-1模型构建;通过微调模型中的部... 该文针对用传统方法识别叶菜霜霉病难度大、精度低等问题,将卷积神经网络应用于结球白菜、菠菜、莴笋霜霉病的识别与分类。作者通过图像搜集、预处理和扩增,构建了3种叶菜霜霉病图像数据库,并运用于VGG16-1模型构建;通过微调模型中的部分参数,探究了迭代次数、BATCH_SIZE和卷积核尺寸3种模型参数对VGG16-1模型识别分类效果的影响。试验结果表明,迭代次数为50次、BATCH_SIZE为32、卷积核尺寸为3×3时,VGG16-1模型模拟结果最优,训练用时为20 min,模型识别准确率为95.67%。 展开更多

关键词 卷积神经网络 vgg16 叶菜 霜霉病 智能识别算法

在线阅读 下载PDF 职称材料

基于改进卷积神经网络的苹果叶部病害识别 被引量：27

7

作者 鲍文霞 吴刚 +2 位作者 胡根生 张东彦 黄林生 《安徽大学学报（自然科学版）》 CAS 北大核心 2021年第1期53-59,共7页

针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,... 针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,在瓶颈层后采用选择性核(selective kernel,简称SK)卷积模块;最后,使用全局平均池化代替全连接层.实验结果表明:与其他传统网络模型相比,该模型能更准确快速捕获苹果病害叶片上微小的病斑. 展开更多

关键词 苹果叶部病害 图像识别 vgg16 SK卷积 迁移学习 全局平均池化

在线阅读 下载PDF 职称材料

基于空间聚合加权卷积神经网络的力触觉足迹识别 被引量：6

8

作者 鲍文霞 瞿金杰 +2 位作者 王年 唐俊 鲁玺龙 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第5期959-964,共6页

为了提高力触觉足迹识别的准确率,提出一种基于空间聚合加权注意力机制的足迹识别算法.首先,采用压力足迹采集器采集并构建一个包含100人2000幅力触觉足迹图像的数据集;然后,采用VGG19卷积神经网络预训练模型提取特征,为获取特征图中足... 为了提高力触觉足迹识别的准确率,提出一种基于空间聚合加权注意力机制的足迹识别算法.首先,采用压力足迹采集器采集并构建一个包含100人2000幅力触觉足迹图像的数据集;然后,采用VGG19卷积神经网络预训练模型提取特征,为获取特征图中足迹压力分布感兴趣区域,设计一种空间聚合加权模块(SAWM),该模块专注高响应区域从而提取足迹中显著区域局部特征,并与输入特征图加权融合,保留显著性特征,抑制不重要特征;最后输出的特征经过平均池化在全连接层实现力触觉足迹的识别.试验结果表明,所提算法准确率达到了91.20%,优于其他注意力机制算法以及传统的足迹识别算法.采用空间聚合加权注意力机制网络模型能够有效进行足迹识别,为身份识别提供技术支撑. 展开更多

关键词 力触觉 足迹识别 空间聚合加权 vgg19卷积神经网络

在线阅读 下载PDF 职称材料

基于VGG16与自注意力机制融合的极光千米波识别

9

作者 王鹤野 郭雪豆 +3 位作者 张赛 黄泱泱 刘天乐 赵舒雅 《空间科学学报》 北大核心 2025年第3期677-688,共12页

提出了一种能准确识别极光千米波(Auroral Kilometric Radiation,AKR)的方法,为进一步研究极光千米波在地球辐射带能量粒子剧烈变化过程中的作用提供支撑.首先采用VGG16卷积神经网络作为基础模型,从原始数据中提取出有助于识别AKR的局... 提出了一种能准确识别极光千米波(Auroral Kilometric Radiation,AKR)的方法,为进一步研究极光千米波在地球辐射带能量粒子剧烈变化过程中的作用提供支撑.首先采用VGG16卷积神经网络作为基础模型,从原始数据中提取出有助于识别AKR的局部特征.之后引入嵌入VGG16网络的定制化自注意力机制(Self-Attention Mechanism embedded in VGG network,SAM-V),该机制有助于捕捉功率谱图中不同时间点或频率上的信号可能存在的关联,减小其他杂波的影响,提高识别准确性.同时,采用线性学习率预热和动态衰减策略使模型更快地收敛并提高泛化能力.实验结果表明,改进后的模型平均识别准确率在93%左右,比原始VGG16平均提高约3.3%,并且召回率和精确度等指标均有所改善. 展开更多

关键词 vgg16卷积神经网络 自注意力机制 极光千米波 学习率策略

在线阅读 下载PDF 职称材料

基于卷积神经网络的毫米波图像目标检测 被引量：6

10

作者 程秋菊 陈国平 +1 位作者 王璐 管春 《科学技术与工程》 北大核心 2020年第13期5224-5229,共6页

在公共安全检查领域中,研究毫米波图像目标检测的快速性和精准性的方法具有非常重要的实际应用价值。提出了基于Faster R-CNN深度学习的方法检测隐藏在人体上的危险物品。该方法将区域建议网络(region proposal network,RPN)和VGG16训... 在公共安全检查领域中,研究毫米波图像目标检测的快速性和精准性的方法具有非常重要的实际应用价值。提出了基于Faster R-CNN深度学习的方法检测隐藏在人体上的危险物品。该方法将区域建议网络(region proposal network,RPN)和VGG16训练卷积神经网络模型相结合,接着通过在线难例挖掘(online hard example mining,OHEM)技术优化训练所提出的网络模型,从而构建了面向毫米波图像目标检测的深度卷积神经网络。实验结果证明所提的方法能高效地检测毫米波图像中的危险物品,并且目标检测的平均精度高达约94.66%,检测速度约为6帧/s,同时对毫米波安检系统的智能化发展有着极其重要的参考价值。 展开更多

关键词 毫米波图像 FASTER R-CNN vgg16 深度卷积神经网络 目标检测

在线阅读 下载PDF 职称材料

一种基于深度卷积神经网络的油菜虫害检测方法 被引量：23

11

作者 李衡霞 龙陈锋 +1 位作者 曾蒙 申佳 《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第5期560-564,共5页

针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,... 针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,最后对比分析结果。油菜虫害检测模型利用VGG16网络提取油菜虫害图像的特征,区域候选网络生成油菜害虫的初步位置候选框,Fast R–CNN实现候选框的分类和定位。结果表明,该方法可实现对蚜虫、菜青虫(幼虫)、菜蝽、跳甲、猿叶甲5种油菜害虫的快速准确检测,平均准确率达94.12%,与RCNN、Fast R–CNN、多特征融合方法、颜色特征提取方法相比,准确率分别提高了28%、23%、12%、2%。 展开更多

关键词 油菜害虫 检测 深度卷积神经网络 vgg16网络

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的生物医学混合图像检测 被引量：2

12

作者 张国标 李信 陆伟 《现代情报》 CSSCI 2020年第7期74-81,103,共9页

[目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑。[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对... [目的/意义]通过混合图像检测对生物医学学术文献里的图像进行分类,为进一步的生物医学图像研究提供支撑。[方法/过程]利用深度卷积神经网络的经典模型VGG16网络构建了混合图像检测模型,并对VGG16网络的第1个卷积层的卷积核做了修改,对比了3种不同大小的卷积核的检测效果。[结果/结论]通过对ImageCLEF2016混合图像检测测试数据集的检测,使用5×5卷积核的VGG16模型的检测正确率达到97.08%,准确率、召回率和F1值指标均优于对比网络模型的检测结果。通过对首层提取的特征图进行可视化发现,在VGG16网络中5×5的卷积核相比3×3的卷积核可以提取更多的边缘特征,更适合混合图像检测任务。 展开更多

关键词 混合图像检测 生物医学图像 深度卷积神经网络 vgg16 ImageCLEF2016

在线阅读 下载PDF 职称材料

基于全卷积神经网络方法的玉米田间杂草识别 被引量：14

13

作者 李彧 余心杰 郭俊先 《江苏农业科学》 北大核心 2022年第6期93-100,共8页

杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害。要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神... 杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害。要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别。利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集,利用迁移学习技巧,对模型采取非初始参数训练,提升模型识别准确率。结果表明,选择的U-Net模型识别效果最佳,能够有效地克服阴天光照、地膜等因素干扰,实现杂草的快速准确识别,验证集识别正确率96.13%,能够满足杂草识别的实际要求。 展开更多

关键词 杂草识别 全卷积神经网络 深度学习 语义分割 U-Net模型 vgg

在线阅读 下载PDF 职称材料

基于卷积神经网络的磁异常反演 被引量：7

14

作者 薛瑞洁 熊杰 +1 位作者 张月 王蓉 《现代地质》 CAS CSCD 北大核心 2023年第1期173-183,共11页

针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出一种基于卷积神经网络的磁异常反演方法。该方法首先设计大量磁异常体模型,进行正演模拟产生样本数据集;接着借鉴经典的卷积神经网络VGG-13设计了一种全新的VGG磁异常反演... 针对传统反演方法存在的初始模型依赖、计算时间较长等问题,提出一种基于卷积神经网络的磁异常反演方法。该方法首先设计大量磁异常体模型,进行正演模拟产生样本数据集;接着借鉴经典的卷积神经网络VGG-13设计了一种全新的VGG磁异常反演网络(VGGINV);然后使用样本数据集训练该网络,并优化网络参数;最后对理论模型和实测数据进行反演实验。实验结果表明,该方法可以准确地反演出磁异常体的位置和磁化强度,具有较强的学习能力和一定的泛化能力,能有效解决磁异常数据反演问题。 展开更多

关键词 深度学习 地球物理反演 磁异常 卷积神经网络 vgg

在线阅读 下载PDF 职称材料

基于卷积神经网络的结构化非平衡数据分类算法 被引量：6

15

作者 徐红 矫桂娥 +1 位作者 张文俊 陈一民 《计算机工程》 CAS CSCD 北大核心 2023年第2期81-89,共9页

卷积神经网络具有高效的特征提取能力和较少的参数量,被广泛应用于图像处理、目标跟踪、自然语言等领域。针对传统分类模型对于结构化非平衡数据分类效果较差的问题,提出一种基于卷积神经网络的二分类结构化非平衡数据分类算法。设计结... 卷积神经网络具有高效的特征提取能力和较少的参数量,被广泛应用于图像处理、目标跟踪、自然语言等领域。针对传统分类模型对于结构化非平衡数据分类效果较差的问题,提出一种基于卷积神经网络的二分类结构化非平衡数据分类算法。设计结构化数据处理算法Data-Shuffle,将原始非平衡一维结构化数据转换为三维数组形式的多通道非平衡数据,为卷积神经网络提供更多的特征值,通过改进的VGG网络构建适合非平衡数据的网络结构卷积组,以提取不同的特征。在此基础上,提出更新权重加权采样算法UWSCNN,在每个迭代次数之后,根据模型的训练结果对易错样本进行重新加权,以优化训练结果。在adult、shoppers和diabetes数据集上的实验结果表明,相比逻辑回归、随机森林等传统机器学习模型,所提的Data-Shuffle算法的F1值提升了1%~19%,G-mean提升了2%~24%,相比SMOTECNN、BSMOTECNN、SMOTECNN+CS等采样算法,所提的UWSCNN算法对非平衡数据的分类效果提升了1%~13%,有效提高模型对非平衡数据的分类性能。 展开更多

关键词 非平衡数据 结构化数据 vgg网络 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

卷积神经网络的多尺度改进及其在玉米病害症状识别中的应用 被引量：16

16

作者 王美娟 尹飞 《河南农业大学学报》 CAS CSCD 2021年第5期906-916,共11页

为解决传统卷积神经网络模型训练时间长、参数量大、泛化能力弱等问题,提出了一种基于VGG-16的改进多尺度卷积神经网络模型。用一个叠加卷积层替换VGG-16模型的最后3×3×512卷积层,并进行批归一化处理,提高模型训练速度;用全... 为解决传统卷积神经网络模型训练时间长、参数量大、泛化能力弱等问题,提出了一种基于VGG-16的改进多尺度卷积神经网络模型。用一个叠加卷积层替换VGG-16模型的最后3×3×512卷积层,并进行批归一化处理,提高模型训练速度;用全局池化层替换全连接层,大大减少模型参数总量。利用Plant Village公共数据集(健康玉米叶片、灰斑病、锈病和叶枯病叶片)结合大田试验采集的玉米病害图像数据对改进后模型进行训练和测试,并与常见的传统卷积神经网络模型进行对比。结果表明,模型参数和收敛时间均小于传统卷积神经网络,单一背景下的平均分类识别准确率达99.31%,明显优于传统神经网络模型(VGG-16的90.89%、ResNet-50的93.60%、Inception-V3的94.23%、MobileNet-V2的93.83%和DenseNet-201的95.70%)。同时,利用大田复杂背景病害图片测试新模型的泛化性,识别准确率达98.44%,单张图片测试平均仅需0.25 s。 展开更多

关键词 玉米 病害种类识别 多尺度卷积神经网络 vgg-16 全局池化 批归一化

在线阅读 下载PDF 职称材料

基于卷积神经网络的焊接装配特征识别研究 被引量：1

17

作者 陈建强 秦娜 《计算机科学》 CSCD 北大核心 2020年第S02期215-218,235,共5页

为实现高铁白车身焊接拼装技术的智能化与自动化,解决焊接过程中特征区域小、背景干扰多等问题,提出了基于迁移学习和卷积神经网络的焊接装配特征快速识别算法。首先采用二值化等传统图像处理算法确定待提取特征的粗略位置,在此基础上... 为实现高铁白车身焊接拼装技术的智能化与自动化,解决焊接过程中特征区域小、背景干扰多等问题,提出了基于迁移学习和卷积神经网络的焊接装配特征快速识别算法。首先采用二值化等传统图像处理算法确定待提取特征的粗略位置,在此基础上再使用sobel、腐蚀、霍夫线段检测确定特征区域的精确位置。其次,考虑到不同环境下,精确定位后特征区域表现不同,故采用基于卷积神经网络的分类模型以增强预测模型的鲁棒性和准确性。最后,选择基于迁移学习的的视觉几何群网络(VGG16)来解决样本量不足以训练整个模型参数的问题。实验结果表明,本文所提的识别算法能够准确识别型材的状态,且在识别检测速度上优于YOLOV3,在准确率上劣于YOLOV3,算法满足使用场景下的实时性要求。 展开更多

关键词 迁移学习 卷积神经网络 特征快速识别 霍夫线段检测 视觉几何群网络(vgg16)

在线阅读 下载PDF 职称材料

对称点模式-深度卷积神经网络的红外光谱识别方法 被引量：13

18

作者 郝惠敏 梁永国 +2 位作者 武海彬 卜明龙 黄家海 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2021年第3期782-788,共7页

红外光谱分析在自然科学、工程技术等诸多领域发挥着重要作用。随着计算机和人工智能技术的不断发展,对红外/近红外光谱分析提出了更高的要求。深度学习以人工神经网络为架构,通过对数据进行分层特征提取完成特征/表征学习,在解析数据... 红外光谱分析在自然科学、工程技术等诸多领域发挥着重要作用。随着计算机和人工智能技术的不断发展,对红外/近红外光谱分析提出了更高的要求。深度学习以人工神经网络为架构,通过对数据进行分层特征提取完成特征/表征学习,在解析数据细节特征方面具有独特的优势,在计算机视觉、语音识别、疾病诊断等多领域得到成功应用。尽管深度学习在图像、音频、文字分析方面获得了较好的效果,但是在红外/近红外光谱数据分析中的应用还十分有限。针对深度学习的卷积运算,首先将一维傅里叶变换(Fourier tran sform infrared spectroscopy,FTIR)红外光谱数据通过对称点模式(symmetrized dot patterns,SDP)变换为二维RGB彩色图像,然后将SDP变换得到的彩色图像数据作为VGG(oxford visual geometry group)深度卷积神经网络的输入进行深度学习,建立基于红外光谱数据的分类识别模型。对不同浓度甲烷(CH_(4))、乙烷(C_(2)H_(6))、丙烷(C_(3)H_(8))、正丁烷(C_(4)H_(10))、异丁烷(iso-C_(4)H_(10))、正戊烷(C_(5)H_(12))、异戊烷(iso-C_(5)H_(12))七种单组分烷烃及其混合气体SDP转化获得的224×224彩色(RGB)图像,呈现出显著差别,且更符合VGG卷积运算的数据格式。将SDP-VGG方法应用于气测录井中甲烷浓度范围的识别:气测录井气体为上述七组分烷烃气体的混合气体,其中主要成分甲烷的浓度范围按照<20%,20%~40%,40%~60%,60%~80%,80%~100%分为5类,不同七组分烷烃混合气体样本的红外光谱由红外光谱仪在波数范围为4000~400 cm^(-1)、间隔12 nm的条件下扫描获得。在未经过特殊预处理和特征提取的情况下,采用随机选择的4500个样本,由SDP-VGG法建立的七组分混合气体甲烷浓度范围识别模型,对5种甲烷浓度范围的识别准确率达到91.2%,优于相同红外光谱数据所建立支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型的识别准确率88.7%和86.2%。研究表明,SDP结合深度学习可以准确提取红外光谱数据的关键特征,提高了红外光谱识别的准确率,是一种更为有效的红外光谱分析方法,具有广阔的应用前景。 展开更多

关键词 对称点模式图像 vgg深度卷积神经网络 FTIR 光谱分析

在线阅读 下载PDF 职称材料

融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类 被引量：6

19

作者 杨非凡 徐伟诚 +1 位作者 陈盛德 兰玉彬 《江苏农业科学》 北大核心 2023年第14期198-204,共7页

快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义,为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题,融合Focal Loss与4种典型卷积神经网络结构对7种水稻病... 快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义,为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题,融合Focal Loss与4种典型卷积神经网络结构对7种水稻病害进行分类识别。利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统,使用Focal Loss损失函数解决数据集不平衡导致识别准确率低的问题,采用ResNet50、ResNet101、MobileNetV2、VGG16作为特征提取骨干,对7种水稻病害进行识别。通过imgaug库增强数据,将13543张水稻病害图像按照9∶1的比例划分为训练集和验证集并参与训练模型,将1404张水稻病害图像作为测试集来验证模型的准确性。结果表明,所搭建的数据集中ResNet50、ResNet101、MobileNetV2、VGG16的识别准确率分别为98.06%、94.26%、92.47%、97.83%。可见,在融合Focal Loss损失函数的情况下,ResNet50作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率,该成果可在实际生产中实现水稻病害的自动分类识别,有助于水稻病害的防治工作。 展开更多

关键词 水稻病害识别 卷积神经网络 Focal Loss ResNet MobileNetV2 vgg16

在线阅读 下载PDF 职称材料

基于卷积神经网络的多模态视频场景分割优化算法 被引量：5

20

作者 黄清 丰洪才 刘立 《计算机应用研究》 CSCD 北大核心 2022年第5期1595-1600,共6页

针对基于内容的视频检索中场景分割效率有待提高的问题,提出了一种基于卷积神经网络提取特征的多模态视频场景分割优化算法。首先利用改进的VGG19网络从视频镜头中提取多种模态的底层特征和语义特征,再将这些特征组成向量,然后通过三重... 针对基于内容的视频检索中场景分割效率有待提高的问题,提出了一种基于卷积神经网络提取特征的多模态视频场景分割优化算法。首先利用改进的VGG19网络从视频镜头中提取多种模态的底层特征和语义特征,再将这些特征组成向量,然后通过三重损失学习与镜头相似度计算等方法,使场景分割问题转换为对镜头边界的二分类问题,最后建立评分机制优化所得结果,获取分割好的视频场景及对应的场景边界,完成场景分割任务。实验结果表明,该算法能对视频场景进行有效分割,整体查全率与查准率分别能达到85.77%、87.01%。 展开更多

关键词 场景分割 多模态 卷积神经网络 相似度度量 vgg19

在线阅读 下载PDF 职称材料