期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于轻量级卷积神经网络的植物叶片病害识别方法
被引量：
23
1
作者
贾鹤鸣
郎春博
姜子超
《计算机应用》
CSCD
北大核心
2021年第6期1812-1819,共8页
针对目前农业信息领域植物病害识别精度较低、实时性较差的问题,提出了一种基于轻量级卷积神经网络(CNN)的植物叶片病害识别方法。在原有网络中引入深度可分离卷积(DSC)和全局平均池化(GAP)方法,分别用来代替标准卷积运算操作并对网络...
针对目前农业信息领域植物病害识别精度较低、实时性较差的问题,提出了一种基于轻量级卷积神经网络(CNN)的植物叶片病害识别方法。在原有网络中引入深度可分离卷积(DSC)和全局平均池化(GAP)方法,分别用来代替标准卷积运算操作并对网络末端的全连接层部分进行替换。同时,批归一化的技巧也被运用到训练网络的过程中,以改善中间层数据分布并提高收敛速度。为全面而可靠地评估所提方法的性能,在公开的植物叶片病害图像数据集Plant Village上进行实验,选取损失函数收敛曲线、测试精度、参数内存需求等指标来验证改进策略的有效性。实验结果表明,改进后的网络具有较高的病害识别精度(99.427%)以及较小的内存空间占用(6.47 MB),可见其与其他基于神经网络的叶片识别技术相比具有优势,工程实用性较强。
展开更多
关键词
卷积神经网络
植物叶片病害
图像分类
深度可分离卷积
全局平均池化
在线阅读
下载PDF
职称材料
基于H.266/通用视频编码的帧内双模式的视频水印算法
被引量：
3
2
作者
罗志伟
刘持标
《计算机应用》
CSCD
北大核心
2021年第2期456-460,共5页
针对现有水印算法对编码器造成较大的率失真损失的问题,结合通用视频编码(VVC)标准,提出了一种基于帧内预测模式奇偶性的视频水印算法。首先,进行第一轮粗选来计算35种偶数角度模式,并从中选出6个模式;其次,在进行第二轮粗选时,根据二...
针对现有水印算法对编码器造成较大的率失真损失的问题,结合通用视频编码(VVC)标准,提出了一种基于帧内预测模式奇偶性的视频水印算法。首先,进行第一轮粗选来计算35种偶数角度模式,并从中选出6个模式;其次,在进行第二轮粗选时,根据二值水印状态来决定是否计算第二轮粗选的奇数模式;接着,在进行矩阵加权帧内预测(MIP)和最可能模式(MPM)候选列表时,根据二值水印状态决定计算奇数模式或偶数模式;最后,选择具有最小率失真代价的模式作为最优模式以完成水印的嵌入,然后由解码端根据收到的4×4块的预测模式的奇偶性提取出水印。对9个视频序列嵌入水印,与原始编码器的算法相比,所提算法的峰值信噪比(PSNR)平均下降了0.0054 dB,码率平均上升了0.07%,每帧可嵌入的水印容量平均为625 b;与同样将水印嵌入预测模式的奇偶性的算法相比,所提算法的PSNR平均下降了0.005 dB,码率平均上升了0.06%,可嵌入的水印总容量平均为3183 b,而对比算法的PSNR平均下降了0.035 dB,码率平均上升了1.12%,可嵌入的水印总容量平均为10309 b。实验结果表明所提算法损失的率失真性能小于对比算法。
展开更多
关键词
通用视频编码
角度预测
矩阵加权帧内预测
模式奇偶性
视频水印
在线阅读
下载PDF
职称材料
题名
基于轻量级卷积神经网络的植物叶片病害识别方法
被引量：
23
1
作者
贾鹤鸣
郎春博
姜子超
机构
三明学院
信息工程
学院
福建省
农业
物
联网
应用
重点
实验室
(
三明学院
)
西北工业大学自动化
学院
东北林业大学机电工程
学院
出处
《计算机应用》
CSCD
北大核心
2021年第6期1812-1819,共8页
基金
中央高校基本科研业务费专项资金资助项目(2572019BF04)。
文摘
针对目前农业信息领域植物病害识别精度较低、实时性较差的问题,提出了一种基于轻量级卷积神经网络(CNN)的植物叶片病害识别方法。在原有网络中引入深度可分离卷积(DSC)和全局平均池化(GAP)方法,分别用来代替标准卷积运算操作并对网络末端的全连接层部分进行替换。同时,批归一化的技巧也被运用到训练网络的过程中,以改善中间层数据分布并提高收敛速度。为全面而可靠地评估所提方法的性能,在公开的植物叶片病害图像数据集Plant Village上进行实验,选取损失函数收敛曲线、测试精度、参数内存需求等指标来验证改进策略的有效性。实验结果表明,改进后的网络具有较高的病害识别精度(99.427%)以及较小的内存空间占用(6.47 MB),可见其与其他基于神经网络的叶片识别技术相比具有优势,工程实用性较强。
关键词
卷积神经网络
植物叶片病害
图像分类
深度可分离卷积
全局平均池化
Keywords
Convolutional Neural Network(CNN)
plant leaf disease
image classification
Depthwise Separable Convolution(DSC)
Global Average Pooling(GAP)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于H.266/通用视频编码的帧内双模式的视频水印算法
被引量：
3
2
作者
罗志伟
刘持标
机构
三明学院
信息工程
学院
福建省
农业
物
联网
应用
重点
实验室
(
三明学院
信息工程
学院
)
出处
《计算机应用》
CSCD
北大核心
2021年第2期456-460,共5页
基金
福建省科技计划项目(2018N0029,2017N0029)。
文摘
针对现有水印算法对编码器造成较大的率失真损失的问题,结合通用视频编码(VVC)标准,提出了一种基于帧内预测模式奇偶性的视频水印算法。首先,进行第一轮粗选来计算35种偶数角度模式,并从中选出6个模式;其次,在进行第二轮粗选时,根据二值水印状态来决定是否计算第二轮粗选的奇数模式;接着,在进行矩阵加权帧内预测(MIP)和最可能模式(MPM)候选列表时,根据二值水印状态决定计算奇数模式或偶数模式;最后,选择具有最小率失真代价的模式作为最优模式以完成水印的嵌入,然后由解码端根据收到的4×4块的预测模式的奇偶性提取出水印。对9个视频序列嵌入水印,与原始编码器的算法相比,所提算法的峰值信噪比(PSNR)平均下降了0.0054 dB,码率平均上升了0.07%,每帧可嵌入的水印容量平均为625 b;与同样将水印嵌入预测模式的奇偶性的算法相比,所提算法的PSNR平均下降了0.005 dB,码率平均上升了0.06%,可嵌入的水印总容量平均为3183 b,而对比算法的PSNR平均下降了0.035 dB,码率平均上升了1.12%,可嵌入的水印总容量平均为10309 b。实验结果表明所提算法损失的率失真性能小于对比算法。
关键词
通用视频编码
角度预测
矩阵加权帧内预测
模式奇偶性
视频水印
Keywords
Versatile Video Coding(VVC)
angle prediction
Matrix weighted Intra Prediction(MIP)
mode parity
video watermarking
分类号
TP309.2 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于轻量级卷积神经网络的植物叶片病害识别方法
贾鹤鸣
郎春博
姜子超
《计算机应用》
CSCD
北大核心
2021
23
在线阅读
下载PDF
职称材料
2
基于H.266/通用视频编码的帧内双模式的视频水印算法
罗志伟
刘持标
《计算机应用》
CSCD
北大核心
2021
3
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
