检索结果-南通市图书馆

应用于扩容小样本量YOLO人脸数据集的imgaug图像增广方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

厦门理工学院学报 2023年第5期31卷 32-39页

作者：尤鑫蔡艺军林云唐凯卓建明邹建航厦门理工学院光电与通信工程学院福建厦门361024 厦门唯识信息科技有限公司福建厦门361024 厦门蓝海环科仪器有限公司福建厦门361024

采用人脸照片作为训练数据集,利用imgaug图像增广库对基本的数据进行随机裁剪、随机90°旋转等变换来增加样本容量,以提高所训练网络模型的泛化能力,解决深度模型训练过程中数据集样本不足的问题。在图库扩容小样本数据集的过程中,以YOL... 详细信息

采用人脸照片作为训练数据集,利用imgaug图像增广库对基本的数据进行随机裁剪、随机90°旋转等变换来增加样本容量,以提高所训练网络模型的泛化能力,解决深度模型训练过程中数据集样本不足的问题。在图库扩容小样本数据集的过程中,以YOLO网络结构为主对人脸身份进行检测和分类,并对比YOLOv3和YOLOv5增广前后的结果。实验结果显示,增广后的YOLOv3模型对测试集进行检测的平均精度为88.85%,比原始的YOLOv3模型提高了38.59%,识别效果优于原始的YOLOv3模型;YOLOv5组合增广扩充样本后训练图像识别模型的人脸识别准确率比原始的YOLOv5模型提升了约0.5%。

关键词：人脸识别图像增广 imgaug算法数据库 YOLO网络结构小样本数据集

基于卷积评价及对抗网络的花粉、孢子图像增广算法

在线全文

学校读者我要写书评

暂无评论

江苏农业学报 2021年第5期37卷 1190-1198页

作者：王万亮江高飞严江伟薛卫南京农业大学人工智能学院江苏南京210095 南京农业大学资源与环境学院江苏南京210095 山西医科大学法医学院山西太原030001

针对花粉、孢子图像特征复杂,样本稀缺及种类繁多制约图像检测识别效果的问题,建立基于自适应阈值分割的pix2pix图像增广模型。首先基于卷积评价改进自适应阈值分割算法,择优选取语义分割图像;其次构建pix2pix图像增广模型,将语义分割... 详细信息

针对花粉、孢子图像特征复杂,样本稀缺及种类繁多制约图像检测识别效果的问题,建立基于自适应阈值分割的pix2pix图像增广模型。首先基于卷积评价改进自适应阈值分割算法,择优选取语义分割图像;其次构建pix2pix图像增广模型,将语义分割图像和原始图像建立标签映射用于模型训练,根据语义分割图像生成仿真图像,扩充样本数据集。结果表明,以149种花粉、孢子图像为样本,通过图像增广模型生成的花粉、孢子图像整体相似度达到85.40%;图像增广前Faster RCNN、YOLOv3检测模型的检测精准率分别为86.18%、85.64%,使用增广后的样本训练模型,检测精准率分别达到92.16%、90.57%,提升5.98个百分点和4.93个百分点。

关键词：花粉检测图像增广图像分割 pix2pix网络

在线全文

学校读者我要写书评

暂无评论

基于粒子群优化算法的小样本图像增广方法

基于粒子群优化算法的小样本图像增广方法

作者：黄黎龙华南理工大学

学位级别：硕士

图像分类是如今计算机视觉中的一个研究方向。深度学习作为一种主要研究方法,因网络架构的深度复杂性使得其具有强大的函数拟合能力,但对于小样本图像数据集,仍然有着过拟合问题。要解决过拟合问题既可以优化网络结构,也可以增加训练图... 详细信息

图像分类是如今计算机视觉中的一个研究方向。深度学习作为一种主要研究方法,因网络架构的深度复杂性使得其具有强大的函数拟合能力,但对于小样本图像数据集,仍然有着过拟合问题。要解决过拟合问题既可以优化网络结构,也可以增加训练图像。如今大量的研究致力于网络结构的设计和优化,而较少关注寻找图像的增广方法。例如,2012年提出的运用在Image Net数据集上的基本图像增广方法仍作为数据预处理的标准。这些基本的图像处理方法只对于特定的数据集有效,运用到其他数据集上时鲁棒性较差。对比于收集更多实际的图像数据,图像增广不需要花费大量的人力物力,因此被广泛应用于物体分类识别的任务上。以往图像增广的实现方式都是基于对图像的基本处理,这些增广方式仅仅假设了图像有着旋转、平移和尺度缩放不变性等基本特性,与具体图像中的数据内容无关。如今,模型复杂以及计算机计算性能瓶颈时,图像增广作为一种能够对分类性能进行突破的手段,有着其研究与发展的必要性。针对小样本图像数据量较少、不均衡的特点,本文对图像增广问题从优化的角度进行了建模,将其建模成在图像特征空间最优分布的优化问题。通过分析优化目标以及约束条件,提出了以粒子群优化算法的迭代思想作为原型的图像增广方法,在算法原型上根据一定规则约束进行像素空间优化。研究的需求假设是,对于进行增广的图像类别,其主要特征一般服从正态分布。优化目标为图像特征空间的正态分布满足均值的不变,以及标准差的增加,搜索策略是对两种元策略的组合。算法的决策空间为特征空间,优化结果该空间内的一组解以及其对应的图像。算法根据图像类型的特点设计增广策略,通过中间迭代的结果作为新生成图像,构造出分布更为均衡的数据,缓解深度神经网络的过拟合问题。实验部分通过对omniglot数据集以及mini-imagenet数据集中部分具有代表性的类别进行图像增广。与较新的图像增广增强方法通过控制变量的方式进行对比,本文的算法能够得到特征分布更广泛、更为均衡的增广图像。通过对实际应用场景下的旗帜图像进行增广,有效缓解小样本图像在深度学习方法中的过拟合问题,提升了模型的准确率。

关键词：深度学习图像增广粒子群优化算法小样本

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机器视觉应用中的图像数据增广综述

计算机科学与探索 2021年第4期15卷 583-611页

作者：林成创单纯赵淦森杨志荣彭璟陈少洁黄润桦李壮伟易序晟杜嘉华李双印罗浩宇樊小毛陈冰川华南师范大学计算机学院广州510631 广东技术师范大学电子与信息学院广州510665 挪威科技大学挪威特隆赫姆17491 广州市云计算安全与测评技术重点实验室广州510631 华南师范大学唯链区块链技术与应用联合实验室广州510631 广东财经大学统计与数学学院广州510320

深度学习是目前机器视觉的前沿解决方案,而海量高质量的训练数据集是深度学习解决机器视觉问题的基本保障。收集和准确标注图像数据集是一个极其费时且代价昂贵的过程。随着机器视觉的广泛应用,这个问题将会越来越突出。图像增广技术是... 详细信息

深度学习是目前机器视觉的前沿解决方案,而海量高质量的训练数据集是深度学习解决机器视觉问题的基本保障。收集和准确标注图像数据集是一个极其费时且代价昂贵的过程。随着机器视觉的广泛应用,这个问题将会越来越突出。图像增广技术是一种有效解决深度学习在少量或者低质量训练数据中进行训练的一种技术手段,该技术不断地伴随着深度学习与机器视觉的发展。系统性梳理当前图像增广技术研究,从增广对象、增广空间、标签处理和增广策略生成的角度,分析现有图像增广技术的研究范式。依据研究范式提出现有图像增广技术的分类系统,重点介绍每类图像增广研究的代表性研究成果。最后,对现有图像增广研究进行总结,指出当前图像增广研究中存在的问题及未来的发展趋势。

关键词：深度学习计算机视觉图像增广数据增广图像增强

在线全文

学校读者我要写书评

暂无评论

基于多层感知分类器的皮革图像缺陷识别研究

中国皮革 2024年第8期53卷 40-46页

作者：马静陕西国防工业职业技术学院陕西西安710300

针对传统皮革图像缺陷识别准确率和识别效率不高的问题,提出一种改进多层感知分类器的皮革图像缺陷识别方法。首先,以多层感知分类器作为基础网络模型,对其结构进行优化,并选择适宜的激活函数、分类器和权值与偏置更新方法;然后,搭建一... 详细信息

针对传统皮革图像缺陷识别准确率和识别效率不高的问题,提出一种改进多层感知分类器的皮革图像缺陷识别方法。首先,以多层感知分类器作为基础网络模型,对其结构进行优化,并选择适宜的激活函数、分类器和权值与偏置更新方法;然后,搭建一个基于改进多层感知分类器的皮革图像缺陷识别模型;最后,提出一套皮革缺陷图像数据集构建方案,通过滑窗裁剪、样本标注、图像增广等获得4类皮革缺陷图像样本,并将该数据集输入至搭建缺陷识别模型中进行缺陷识别。试验结果表明,本模型对孔洞缺陷、划痕缺陷、针眼缺陷和无缺陷4种故障样本的平均精确率、召回率、准确率和F1值分别为96.97%、96.52%、94.99%和96.14,且本模型进行缺陷识别所用时长仅为3.56 s。相较于经典卷积神经网络VGG16、残差网络ResNet10和支持向量机SVM,本模型对皮革图像不同样本的故障识别准确率更高,识别时间更短。由此说明,本模型能够提升皮革图像缺陷识别准确率和效率,模型性能具备优越性和有效性。

关键词：多层感知分类器皮革图像图像增广权值与偏置更新缺陷识别

基于双注意力机制和级联检测框架的金具螺栓缺陷检测研究

在线全文

学校读者我要写书评

暂无评论

机械与电子 2024年第1期42卷 63-70页

作者：陆晓高超蒋承伶王茂飞国网江苏省电力有限公司江苏南京210024 国网江苏泰州供电公司江苏泰州225300

针对传统输电线路金具上的螺栓缺陷检测存在精度低和效率低的问题,提出一种基于双注意力机制和级联检测框架的螺栓缺陷检测模型。首先,构建了螺栓缺陷检测的级联框架并通过基于GridMask图像增广方法实现数据集的扩充;其次,为了提高螺栓... 详细信息

针对传统输电线路金具上的螺栓缺陷检测存在精度低和效率低的问题,提出一种基于双注意力机制和级联检测框架的螺栓缺陷检测模型。首先,构建了螺栓缺陷检测的级联框架并通过基于GridMask图像增广方法实现数据集的扩充;其次,为了提高螺栓缺陷检测精度,提出了基于知识引导的输电线金具检测模型,通过隐式和显示模块的构建,实现第1级金具的检测;然后,将金具检测结果输入到第2级螺栓的缺陷检测网络中,同时提出一种基于双注意力机制的螺栓缺陷检测模型来进行螺栓缺陷检测,通过多尺度注意力模块的设计,融合空间注意力图,实现螺栓全局视野上的特征增强,提高检测的精度;最后,通过实验进行验证,实验结果表明,所提模型的螺栓缺陷检测平均准确度高、检测速度快,具有良好的实用性和鲁棒性,有一定的应用前景。

关键词：金具螺栓缺陷检测多尺度注意力级联知识引导图像增广

在线全文

学校读者我要写书评

暂无评论

智能图像导引头目标数据集制备技术研究

战术导弹技术 2022年第2期 105-112页

作者：黄攀范继伟杨小冈卢瑞涛火箭军工程大学西安710000

针对目前可用的智能图像导引头目标数据集稀少、时敏图像难以获取等问题,结合智能化精确制导技术发展需求,提出了智能图像导引头目标数据集的制备流程与主要方法。通过仿真技术生成时敏目标图像;采用了生成对抗网络对时敏目标图像进行增... 详细信息

针对目前可用的智能图像导引头目标数据集稀少、时敏图像难以获取等问题,结合智能化精确制导技术发展需求,提出了智能图像导引头目标数据集的制备流程与主要方法。通过仿真技术生成时敏目标图像;采用了生成对抗网络对时敏目标图像进行增广;在人工标注的基础上,提出了针对特定序列视频的自动标注算法;并构建了名为Seekeri的智能图像导引头目标认知数据集。将Seekeri数据集在几种主流目标检测算法上进行测试,其mAP值均在85%~90%之间,说明数据集适用于主流目标检测算法。结果表明:该方法既解决了时敏目标难以获取的问题,又可快速准确地构建更适用于智能导引头的目标数据集,为精确制导武器智能导引头目标检测算法训练与升级提供了有力保障。

关键词：智能图像导引头目标获取时敏目标数据集制备图像增广自动标注目标检测算法

基于深度学习的光伏电池电致发光图像缺陷检测研究

在线全文

学校读者我要写书评

暂无评论

基于深度学习的光伏电池电致发光图像缺陷检测研究

作者：唐路源大连海事大学

学位级别：硕士

光伏电池是光伏发电系统的核心器件,其产品质量直接影响它的光电转换效率与寿命,因此,缺陷检测是其工业生产线上必不可少的一步,但传统缺陷检测方法常常无法满足现代化生产线在检测精度、效率及稳定性等方面的高性能要求。近年来,随着... 详细信息

光伏电池是光伏发电系统的核心器件,其产品质量直接影响它的光电转换效率与寿命,因此,缺陷检测是其工业生产线上必不可少的一步,但传统缺陷检测方法常常无法满足现代化生产线在检测精度、效率及稳定性等方面的高性能要求。近年来,随着硬件计算能力的大幅提升,基于深度学习的图像缺陷检测方法已逐渐成为主流。本文选取光伏电池产业中应用最广的电致发光(Electroluminescence,EL)图像进行缺陷检测,提出基于深度学习的PVDefect Net检测算法对光伏电池图像进行缺陷检测,以有效提高检测性能,主要内容包括:首先,针对工业生产中光伏电池EL图像数据集不足且获取困难、常规增广图片质量不佳等问题,提出改进掩膜深度卷积生成对抗网络M-DCGAN算法生成高质量的增广缺陷图像。其中,设计了基于Canny的掩膜提取方法和掩膜损失函数以引导网络关注缺陷特征;通过加深网络并插入谱归一化层与Dropout层以兼顾网络的稳定性和增广图像的多样性。实验结果表明,相比于WGAN-GP等多种有效增广算法,基于该M-DCGAN策略的增广图像质量更高,而且令YOLOv5等9种深度学习检测方法的检测精度得到显著提高,说明本文M-DCGAN数据增广技术在诸多常用的深度学习检测算法中具有良好的普适性,更加胜任光伏电池生产流程中缺陷检测数据集的图像增广任务。同时,为解决EL缺陷检测数据集在标注过程中普遍存在的人工成本过高问题,本文提出带有辅助纠错的增广图像自监督标注策略。该策略基于原始数据训练的YOLOv5对增广图像进行检测,并将目标信息转换为标注文件,再使用Dense Net对标注文件进行辅助判别。此方法既降低了标注成本,亦能够部分排除人工主观因素造成的标注偏差。另外,在光伏电池实际生产过程中,部分缺陷会重复出现在某些固定区域,而这些局部重复图像会对网络训练产生偏差,最终导致缺陷的错检或漏检。为此,本文根据协调注意力与卷积块注意力组件思想设计了多分支注意力模块MPCA,以引导网络关注图像整体空间特征,同时基于动态区域感知卷积设计了自适应加权融合分支动态区域感知模块AWFB-DRC,随后将MPCA和AWFB-DRC模块结合构成了PVNet网络结构,并通过实验验证了采用该PVNet结构的YOLOv5深度学习算法能够在保持检测速度的前提下较为显著的提高m AP检测指标,且超过了当前Res Ne Xt等8种主干结构的检测性能。之后,针对EL图像中常存在的因缺陷目标与背景间分界模糊而影响缺陷检测精度的问题,本文基于焦点损失思想设计了频率混合损失函数用以计算网络分类特征图与分类标签矩阵在频域上的损失,令检测模型的分类准确度得到了提升,从而进一步提高了模型的m AP性能指标。最后,由光伏电池EL图像缺陷检测综合性实验可以看出,在检测速度与精准度的要求下,本文结合上述所有改进策略的PVDefect Net算法在检测模型的鲁棒性、精确度等方面均超过了YOLOX等现有其他流行算法,且为工业上的模型迭代需求提供了足够的裕量,能更好地契合光伏电池现代化工业生产需求,为解决光伏电池智能制造生产流程中存在的缺陷检测问题提供了一种科学、有效、较具实用性的解决途径。

关键词：光伏电池深度学习缺陷检测图像增广生成对抗网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电网图像样本管理系统设计与实现

电网图像样本管理系统设计与实现

作者：夏源东南大学

学位级别：硕士

近年来,随着人工智能技术及图像采集手段的发展,其在电网领域的应用不断增长,电网企业在各环节部署了数十万的摄像机,并引入了无人机、机器人等先进设备,对电网进行监控巡查,采集了海量的视频及图像数据,但是数据未能得到统一有效的管... 详细信息

近年来,随着人工智能技术及图像采集手段的发展,其在电网领域的应用不断增长,电网企业在各环节部署了数十万的摄像机,并引入了无人机、机器人等先进设备,对电网进行监控巡查,采集了海量的视频及图像数据,但是数据未能得到统一有效的管理及利用。本文针对目前存在的数据管理、标注、质量提升、小样本增广问题进行了研究,主要开展了以下工作:1、通过对电网业务中的图像样本进行调研分析,基于业务特点建立相应的编码机制,实现样本数据文件命名、标注标签的统一规范化处理。2、针对电网图像样本进行辅助标注技术研究,设计了基于双线性插值法的连续帧图像标注方法、基于高分辨模型的图像分割标注方法和基于卷积神经网络的目标检测标注等三种辅助标注方法,通过实验验证了三种方法的有效性。3、针对电网图像样本质量提升,设计了基于特征的去重、去相似、去低质量数据的样本清洗方法,并通过实验验证了方法的有效性。4、针对电网图像样本的增广问题,对几何变换、色域变换等常规增广方法进行了试验,确认了其在电网图像领域的有效性。同时利用生成式对抗网络技术实现了电网图像样本的增广,并针对部分数据风格迁移很难成功的特点,设计实现了基于贴图和循环生成式对抗网络（Copy-Paste And Cycle Gan,简称CPCG）的电网图像样本增广方法。实验证明本方法可有效提升算法效果。5、基于业务需求,融合上述研究内容,设计实现一套适用于电网图像样本的管理系统。

关键词：电网图像样本编码图像标注图像增广图像清洗