基于FGF与VGGNet19的红外可见光图像融合

1

作者 杨艳春 闫岩 王可 《激光与红外》 CAS CSCD 北大核心 2023年第12期1921-1927,共7页

针对红外与可见光图像融合中出现红外目标不够突出以及边缘模糊等问题,本文提出了一种基于FGF(快速引导滤波)和VGGNet19的红外与可见光图像融合方法。首先,通过FGF将源图像进行双尺度分解;然后,利用VGGNet19网络得到初步融合权重图;其次... 针对红外与可见光图像融合中出现红外目标不够突出以及边缘模糊等问题,本文提出了一种基于FGF(快速引导滤波)和VGGNet19的红外与可见光图像融合方法。首先,通过FGF将源图像进行双尺度分解;然后,利用VGGNet19网络得到初步融合权重图;其次,利用OTSU(最大类间方差法)来提取初步融合权重图的前景与背景,进行二值化;然后,对得到的二值图像使用FGF得到最终融合权重图;最后,相加再经过FGF和图像增强实现图像融合。实验结果表明,本文方法能够有效保留显著热目标,边缘细节清晰,在主观评价以及客观评价指标中均取得了更好的效果。 展开更多

关键词 图像融合 快速引导滤波 vggnet19 OTSU 红外与可见光图像

在线阅读 下载PDF 职称材料

基于迭代剪枝VGGNet的火星图像分类 被引量：3

2

作者 刘猛 刘劲 +2 位作者 尹李君 康志伟 马辛 《液晶与显示》 CAS CSCD 北大核心 2023年第4期507-514,共8页

VGGNet能提供高精度的火星图像分类,但需消耗大量内存资源。鉴于器载计算机内存资源有限,为解决这一矛盾,本文提出了基于迭代剪枝VGGNet的火星图像分类方法。首先,采用迁移学习训练网络的连通性,以便评估神经元的重要性;其次,通过迭代... VGGNet能提供高精度的火星图像分类,但需消耗大量内存资源。鉴于器载计算机内存资源有限,为解决这一矛盾,本文提出了基于迭代剪枝VGGNet的火星图像分类方法。首先,采用迁移学习训练网络的连通性,以便评估神经元的重要性;其次,通过迭代剪枝方法修剪不重要的神经元,以便将全连接层的参数量和内存占用量减少;最后,采用K-means++聚类实现权重参数的量化,利用霍夫曼编码压缩迭代剪枝与量化后的VGGNet权重参数,达到减少存储量和浮点数运算量的作用。此外,通过5种数据增强方法进行数据扩充,目的是解决类别不平衡的问题。实验结果表明,压缩后的VGGNet模型的所占内存、Flops和准确率分别为62.63 Mb、150.6 MFlops和96.15%。与ShuffleNet、MobileNet和EfficientNet等轻量级图像分类算法相比,所提模型具有更好的性能。 展开更多

关键词 图像分类 卷积神经网络 迭代方法 聚类算法 vggnet

在线阅读 下载PDF 职称材料

基于变换域VGGNet19的红外与可见光图像融合 被引量：5

3

作者 李永萍 杨艳春 +1 位作者 党建武 王阳萍 《红外技术》 CSCD 北大核心 2022年第12期1293-1300,共8页

针对红外与可见光图像融合中出现细节信息丢失及边缘模糊的问题,提出一种在变换域中通过VGGNet19网络的红外与可见光图像融合方法。首先,为了使得源图像在分解过程中提取到精度更高的基础与细节信息,将源图像利用具有保边平滑功能的多... 针对红外与可见光图像融合中出现细节信息丢失及边缘模糊的问题,提出一种在变换域中通过VGGNet19网络的红外与可见光图像融合方法。首先,为了使得源图像在分解过程中提取到精度更高的基础与细节信息,将源图像利用具有保边平滑功能的多尺度引导滤波器进行分解,分解为一个基础层与多个细节层;然后,采用具有保留主要能量信息特点的拉普拉斯能量对基础层进行融合得到基础融合图;其次,为了防止融合结果丢失一些细节边缘信息,采用VGGNet19网络对细节层进行特征提取,L1正则化、上采样以及最终的加权平均策略得到融合后的细节部分;最后,通过两种融合图的相加即可得最终的融合结果。实验结果表明,本文方法更好地提取了源图像中的边缘及细节信息,在主观评价以及客观评价指标中均取得了更好的效果。 展开更多

关键词 图像融合 引导滤波 vggnet19 拉普拉斯能量 红外与可见光图像

在线阅读 下载PDF 职称材料

基于VGGNet-plus的路面裂痕自动分类识别方法 被引量：1

4

作者 肖彭昊 杨修伟 范媛媛 《电子器件》 CAS 北大核心 2022年第2期490-493,共4页

为了有效自动化地识别路面裂缝,在深度学习神经网络VGGNet基础上,提出了基于VGGNet-plus网络的路面裂痕自动分类识别方法。该网络增加了Dropout层和残差层,并在每个卷积层后连接Batch_normalize(BN)层和LeakyReLu层,解决了训练参数过多... 为了有效自动化地识别路面裂缝,在深度学习神经网络VGGNet基础上,提出了基于VGGNet-plus网络的路面裂痕自动分类识别方法。该网络增加了Dropout层和残差层,并在每个卷积层后连接Batch_normalize(BN)层和LeakyReLu层,解决了训练参数过多、深度神经网络的过拟合等问题,简化计算同时减少训练时间。为了增加训练样本的数量,同时使该方法对采集光照条件、角度、噪声等造成的影响具有更强的适应性和鲁棒性,通过灰度处理,上下翻转,左右翻转,灰度二值处理,均值滤波,灰度gamma处理,高斯滤波,中值滤波等方法来进行数据增容。通过Bagging模型集成方法,对预测的数据进行综合评估后选取最佳的预测结果。实验结果表明,VGGNet-plus网络在路面裂缝分类中的准确率可达92%,有效提升了路面裂缝自动检测精度。 展开更多

关键词 深度学习 裂缝分类 残差 数据增容 vggnet 模型集成

在线阅读 下载PDF 职称材料

基于VGGNet的垃圾分类识别APP实施方法

5

作者 梁炜 《无线互联科技》 2020年第14期31-33,共3页

目前,我国居民对垃圾分类的知识处于缺乏状态,当城市开始强制实施垃圾分类时,往往不了解不同类别垃圾所属的垃圾桶,导致垃圾分类的成本较高、实施困难。文章基于VGGNet卷积神经网络,实现安卓APP的拍照识别功能,让居民随时了解所丢垃圾... 目前,我国居民对垃圾分类的知识处于缺乏状态,当城市开始强制实施垃圾分类时,往往不了解不同类别垃圾所属的垃圾桶,导致垃圾分类的成本较高、实施困难。文章基于VGGNet卷积神经网络,实现安卓APP的拍照识别功能,让居民随时了解所丢垃圾所属分类,从而减少错误的垃圾分类,为居民的生活提供便利。 展开更多

关键词 垃圾分类 vggnet 卷积神经网络 安卓 APP

在线阅读 下载PDF 职称材料

一种基于深度学习的遥感图像融合方法 被引量：2

6

作者 赵学军 闫雪 +1 位作者 杨威 梁轩宇 《长江信息通信》 2022年第5期1-4,共4页

目前学者常用的线性遥感图像融合方法大部分会有光谱失真较大,图像质量退化和计算量大等问题,深度学习是一种非线性的融合方法,利用非线性运算能提取到更具体的图像特征,利用卷积层进行特征融合和图像重构得到遥感图像融合图像。在卷积... 目前学者常用的线性遥感图像融合方法大部分会有光谱失真较大,图像质量退化和计算量大等问题,深度学习是一种非线性的融合方法,利用非线性运算能提取到更具体的图像特征,利用卷积层进行特征融合和图像重构得到遥感图像融合图像。在卷积层使用小卷积核多卷积层和小池化核增强网络的拟合能力,同时为了防止过拟合在全连接层进入dropout层,增加神经网络的鲁棒性。 展开更多

关键词 深度学习 卷积神经网络 卷积层 vggnetReLu函数

在线阅读 下载PDF 职称材料

基于卷积神经网络的密集场景人流估计方案

7

作者 马骞 《电子设计工程》 2020年第5期189-193,共5页

人流密度估计作为一种有效的人群监测、控制和行为理解方法,得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低,容易造成密集场景人流估计不准确。为此,文中提出了一种基于深度的卷积神经网络(CNN)人... 人流密度估计作为一种有效的人群监测、控制和行为理解方法,得到了广泛的应用和研究。但传统估计方法使用的手工特征提取图像特征单一、准确度较低,容易造成密集场景人流估计不准确。为此,文中提出了一种基于深度的卷积神经网络(CNN)人群密度估计方法,利用典型的深层网络Googlenet和VGGnet进行了方法改进。通过采用一个包括18个拥挤景区密集场景、超过160 K密度的注释图像数据集进行的实验测试结果表明,该方法的平均准确率为92.46%,与GLCM-SVM方法进行对比的结果也充分证明了该方法的优越性。 展开更多

关键词 人群密度估计 CNN Googlenet vggnet GLCM-SVM

在线阅读 下载PDF 职称材料

基于深度学习的输电线路工程车辆入侵检测 被引量：10

8

作者 闫春江 王闯 +4 位作者 方华林 王毅轩 杜觉晓 项学智 郭鑫立 《信息技术》 2018年第7期28-33,38,共7页

针对输电线路周边工程机械外力入侵的自动检测问题,提出了一种基于深度学习的工程车辆入侵检测方法,首先通过入侵检测的方式,提取出疑似入侵目标区域,再将疑似入侵区域送入训练好的深度卷积神经网络分类器之中进行目标判断,通过将卷积... 针对输电线路周边工程机械外力入侵的自动检测问题,提出了一种基于深度学习的工程车辆入侵检测方法,首先通过入侵检测的方式,提取出疑似入侵目标区域,再将疑似入侵区域送入训练好的深度卷积神经网络分类器之中进行目标判断,通过将卷积神经网络与入侵检测算法相结合,能够对输电线路周边的工程车辆入侵进行准确检测。实验表明,所提出的方法检测准确率达到97.2%。 展开更多

关键词 入侵检测 自适应前景分割 深度学习 卷积神经网络 vggnet-16

在线阅读 下载PDF 职称材料

高精度视频配准算法中的静态图像配准算法 被引量：5

9

作者 王苹 《液晶与显示》 CAS CSCD 北大核心 2020年第6期612-618,共7页

为优化视频配准工作中的静态图像配准算法,本文应用深度学习的卷积神经网络VGGNet设计了一个静态图像配准算法。通过仿真实验结果可知,VGGNet能够被很好地应用于静态图像配准工作中;结合均方根误差和Nred结果可知,基于Conv5、FC1或者FC... 为优化视频配准工作中的静态图像配准算法,本文应用深度学习的卷积神经网络VGGNet设计了一个静态图像配准算法。通过仿真实验结果可知,VGGNet能够被很好地应用于静态图像配准工作中;结合均方根误差和Nred结果可知,基于Conv5、FC1或者FC2输出特征的静态图像配准算法具有良好的性能,基于FC2的配准算法性能最好,其均方根误差值为0.03122,Nred值为74。通过视频缩放和亮度转换后,静态图像配准算法的性能有所下降,在亮度变换后基于FC2输出特征的配准算法性能较高。与传统HOG、LBP特征提取的图像配准算法相比,本文算法具备较好的配准精度和正确率。研究结果可为当前基于深度学习卷积神经网络的静态图像配准算法提供参考。 展开更多

关键词 视频 图像配准 深度学习 vggnet

在线阅读 下载PDF 职称材料

基于迁移学习和SVM的糖网图像分类 被引量：2

10

作者 王晓权 郑绍华 潘林 《信息通信》 2018年第4期96-100,共5页

为解决基于卷积神经网络(CNN)的糖尿病视网膜病变(DR)图像分类算法上普遍存在模型参数难以训练、易过拟合的问题,本文提出一种基于迁移学习和支持向量机(SVM)分类器的DR图像分类算法。首先,对DR图像进行预处理和数据扩增;其次,采用迁移... 为解决基于卷积神经网络(CNN)的糖尿病视网膜病变(DR)图像分类算法上普遍存在模型参数难以训练、易过拟合的问题,本文提出一种基于迁移学习和支持向量机(SVM)分类器的DR图像分类算法。首先,对DR图像进行预处理和数据扩增;其次,采用迁移学习方法预初始化深度学习分类算法中的经典框架VGGNet-16网络的模型参数,固定浅层网络参数不变,微调深层网络参数;最后,提取VGGNet-16最后一个隐藏层的特征向量训练支持向量机(SVM)分类器判定DR图像是否病变。实验结果表明,在Kaggle-DR公共数据集共35126张DR图像进行实验,在随机抽取的3500张作为测试集,分类准确率为0.931、敏感性为0.933、特异性为0.928,并能加快网络收敛和提高模型的泛化性。 展开更多

关键词 卷积神经网络 迁移学习 支持向量机 糖尿病视网膜病变 图像分类 vggnet-16网络

在线阅读 下载PDF 职称材料

基于模板匹配和深度学习的港口舰船检测识别方法 被引量：2

11

作者 张旭 《信息技术与信息化》 2019年第4期59-63,共5页

针对港口内舰船目标的特征与港口内陆上目标特征相近导致检测困难的问题,提出了一种基于模板匹配和深度学习的港口舰船检测识别方法。对于待检测的港口图像,为其制作模板图和二值模板图。对待识别的港口图像和模板图利用SIFT特征进行配... 针对港口内舰船目标的特征与港口内陆上目标特征相近导致检测困难的问题,提出了一种基于模板匹配和深度学习的港口舰船检测识别方法。对于待检测的港口图像,为其制作模板图和二值模板图。对待识别的港口图像和模板图利用SIFT特征进行配准,配准后利用RANSAC算法计算仿射变换矩阵,进而将二值模板图投影到待识别的港口图中,从而将待识别的港口图像中的陆地部分屏蔽实现海陆分割。海陆分割后,利用Sobel算子提取候选目标。最后,本文利用VGGNet-16的深度学习模型对检测出的候选目标进行识别,从而将候选目标分区为军用和民用,并将非船目标剔除。本文方法在测试样本上检测率为93.22%,识别率为96.23%,高于通用目标检测框架Faster-RCNN和YOLO-v3。 展开更多

关键词 模板匹配 SIFT SOBEL vggnet-16 深度学习

在线阅读 下载PDF 职称材料

基于迁移学习的癌组织图像细胞核分割算法

12

作者 胡志敏 陈小辉 《长江信息通信》 2022年第12期31-34,共4页

医学图像分割是将图像中所关注的区域分割出来,以帮助医生诊断治疗。目前,深度学习技术已被广泛应用于医学图像分割[1]。文章的网络模型Grnet利用迁移学习方法,将VGGNet19-1结构与改进后的残差块结构resdiual-block1组合,构建了一个新... 医学图像分割是将图像中所关注的区域分割出来,以帮助医生诊断治疗。目前,深度学习技术已被广泛应用于医学图像分割[1]。文章的网络模型Grnet利用迁移学习方法,将VGGNet19-1结构与改进后的残差块结构resdiual-block1组合,构建了一个新的病理图像细胞核分割网络。最后得出Grnet在MoNuSeg测试集上的平均dice系数为74.86%,在TNBC数据集上的平均dice系数为74.74%,而Unet网络在MoNuSeg测试集上的平均dice系数为72.83%,在TNBC数据集上的平均dice系数为60.51%。实验结果表明,该网络的细胞核分割效果更好,充分验证了算法的有效性。 展开更多

关键词 细胞核分割 迁移学习 vggnet19 残差块

在线阅读 下载PDF 职称材料

基于深度学习的高分辨率食管测压图谱鉴别

13

作者 吕志贤 侯木舟 曹聪 《中北大学学报（自然科学版）》 CAS 2023年第6期669-678,共10页

高分辨率食管测压技术(High-Resolution Manometry,HRM)被广泛应用于食管运动诊断,而芝加哥分类的方法难度大、耗时长、效率低,且随着HRM图像数据量的爆炸式增长,误诊率也随之增加。为了提高临床诊断的准确率与效率,本文将搭建一个更加... 高分辨率食管测压技术(High-Resolution Manometry,HRM)被广泛应用于食管运动诊断,而芝加哥分类的方法难度大、耗时长、效率低,且随着HRM图像数据量的爆炸式增长,误诊率也随之增加。为了提高临床诊断的准确率与效率,本文将搭建一个更加高效的计算机辅助诊断系统帮助医生对HRM图像进行自动判别分析,提出了改进的深度学习模型(Improved-VGG)来完成对HRM图像食管收缩活力的正常收缩、全段增压、弱收缩、无效收缩分类的任务,该模型中增加了Batch Normalization层和Dropout层,显著提升了HRM图像分类的训练速度,并修改了卷积核大小,用更大的卷积核提取特征。实验使用了2520幅专家标记的HRM图像,用于训练、验证和测试的图像分别占比为70%,10%和20%。实验结果表明,在测试集上,食管收缩活力分类器的分类准确率和精度分别为97.20%和93.97%,特异度和召回率分别为98.05%和93.97%。本文的正常收缩、全段增压、弱收缩、无效收缩分类(NFWIC)模型能较好地适应HRM图像数据的特性,其临床实践应用将提高医生的诊断效率。 展开更多

关键词 高分辨率食管测压图谱 深度学习 卷积神经网络 改进的VGG网络模型 医学影像

在线阅读 下载PDF 职称材料