检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

卷积神经网络模型的遥感反演水质参数COD

光谱学与光谱分析 2023年第2期43卷 651-656页

作者：李爱民范猛秦光铎王海隆许有成郑州大学地球科学与技术学院河南郑州450001 郑州大学水利科学与工程学院河南郑州450001

化学需氧量(COD)是水体污染监测的常用水质指标之一,传统采集手段耗时耗力;利用遥感反演COD浓度能够快速获取整个水域的COD浓度空间分布状况,对于水污染治理和水环境保护具有重要意义。目前利用多光谱遥感数据反演COD浓度精度较低,主要... 详细信息

化学需氧量(COD)是水体污染监测的常用水质指标之一,传统采集手段耗时耗力;利用遥感反演COD浓度能够快速获取整个水域的COD浓度空间分布状况,对于水污染治理和水环境保护具有重要意义。目前利用多光谱遥感数据反演COD浓度精度较低,主要原因是目前的反演模型多是以皮尔逊相关系数大小为指标选取建模波段的经验方法,对于多光谱遥感数据而言,其光谱波段范围较宽,波段的组合数量有限,难以找到有效的变量作为建模变量。针对这一问题,以郑州市天德湖为例,基于Planet多光谱高分辨率遥感影像,对遥感影像进行预处理和分析水样的高光谱数据,利用卷积神经网络对天德湖COD浓度进行反演;同时选取单变量回归模型、多变量回归模型进行精度对比。主要研究结论有:(1)相比于以皮尔逊相关系数为衡量标准选择不同波段组合的反演方式,卷积神经网络反演具有更高的空间反演精度,其决定系数为0.89,RMSE为2.22 mg·L^(-1),这是因为卷积神经网络不仅充分利用了遥感影像的光谱特征,而且能够提取目标像元周围的领域空间信息,学习到图像深层的抽象特征以及水质参数浓度和遥感数据之间的“内在规律”,可以在一定程度上避免传统方法建模带来的不稳定性;(2)选取最优的卷积神经网络模型制作天德湖水质COD浓度空间分布专题图;天德湖具有典型的内陆水体光谱特征,其COD浓度空间分布整体呈现西部高、东部较低、东南方向的进水口浓度较低、东北方向的出水口浓度较高的特征,卷积神经网络反演的天德湖区域浓度平均值为23.96 mg·L^(-1),标准差为7.11 mg·L^(-1),变异系数为0.29,更加接近实际采样点的统计值。基于卷积神经网络模型结合多光谱影像反演COD的结果表明卷积神经网络在水质参数COD遥感反演中具有较好的应用潜力。

关键词：多光谱遥感 COD 卷积神经网络 Planet影像

卷积神经网络滑窗识别结合语义推理的城市功能区分类

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2023年第6期48卷 950-959页

作者：王严刘万军谭亚丽李玉辽宁工程技术大学测绘与地理科学学院辽宁阜新123000 辽宁工程技术大学软件学院辽宁葫芦岛125000

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源。为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义... 详细信息

目前基于遥感图像的城市功能区分类方法通常采用光谱特征解译、兴趣点数据辅助、评价策略优化等方式,依赖大量人工操作,并借助遥感图像外的其他信息源。为了解决以上问题,提出利用卷积神经网络进行滑窗识别,提取图像语义标签,结合语义推理机制实现城市功能区分类的滑窗-推理方法。首先,建立两级城市功能区分类,以二级城市功能区为标识标注训练样本,并以此训练卷积神经网络作为识别器;然后,设计有重叠的滑窗识别模式,使用识别器辨识滑窗区域内图像块的二级城市功能区类型;最后,提出一个带权重的打分机制,作为语义推理方式,语义推理对象为全部识别结果,确定各图像块的一级城市功能区类型,实现遥感图像城市功能区分类。实验使用模拟图像和高分辨率遥感图像,两种图像的总分类精度分别可达94.50%、92.04%。滑窗-推理方法旨在通过语义推理处理滑窗识别产生的多语义标签,根据多语义标签确定对象的真实城市功能区。实验结果表明,所提方法无需辅助信息,直接利用遥感图像进行城市功能区分类是可行和有效的。

关键词：城市功能区图像分类卷积神经网络滑窗识别语义推理投票机制

卷积神经网络在复合绝缘子憎水性智能识别中的应用

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

高电压技术 2022年第2期48卷 603-611页

作者：杨秋玉王栋福建工程学院电子电气与物理学院福州350118 国网河南省电力公司电力科学研究院郑州450052

喷水法是目前检测复合绝缘子憎水性的常用方法,但存在依赖人工判断导致效率低下、准确率较差等问题。为解决该问题,提出一种基于卷积神经网络的复合绝缘子憎水性智能识别方法。首先,通过喷洒不同浓度乙醇溶液模拟绝缘子不同憎水性等级;... 详细信息

喷水法是目前检测复合绝缘子憎水性的常用方法,但存在依赖人工判断导致效率低下、准确率较差等问题。为解决该问题,提出一种基于卷积神经网络的复合绝缘子憎水性智能识别方法。首先,通过喷洒不同浓度乙醇溶液模拟绝缘子不同憎水性等级;在各憎水性等级下,综合考虑不同拍摄角度、不同拍摄距离以及不同光照强度等实际条件,分别获取绝缘子表面干净、覆污和变色的憎水性图像;为降低计算复杂度,提高识别精度,对憎水性图像进行剪裁、缩放、增强等预处理,并将其输入到设计的卷积神经网络模型进行图像特征提取与分类,从而实现绝缘子憎水性的智能识别。研究结果表明,在考虑实际复杂条件下,基于卷积神经网络的复合绝缘子憎水性智能识别方法能够有效识别各憎水性等级,识别率在90%左右,具有较好的泛化能力和一定的应用潜力。

关键词：复合绝缘子憎水性智能识别图像处理卷积神经网络图像识别

在线全文

学校读者我要写书评

暂无评论

卷积神经网络在染色体分类中的应用研究

中华医学遗传学杂志 2024年第3期41卷 300-305页

作者：徐玲玲周颖张莉超王振宇毛倩倩宋宁李海波宁波市妇女儿童医院出生缺陷防治实验室宁波315012 杭州德适生物科技有限公司杭州311100 上海交通大学医学院上海200025

目的运用深度学习方法构建卷积神经网络(CNN)模型,实现中期染色体的自动分类,并评价模型染色体分类的准确率。方法收集2013年1月至2019年7月在宁波市妇女儿童医院出生缺陷防治实验室接受染色体病检查者的3300份样本。共纳入3300×46张... 详细信息

目的运用深度学习方法构建卷积神经网络(CNN)模型,实现中期染色体的自动分类,并评价模型染色体分类的准确率。方法收集2013年1月至2019年7月在宁波市妇女儿童医院出生缺陷防治实验室接受染色体病检查者的3300份样本。共纳入3300×46张染色体图片,其中70%作为训练集,30%作为测试集,用于构建CNN模型,随后应用952张中期染色体图片对建立的模型的染色体计数及"切割+识别+排列+自动分析"的准确率进行评价。另取80张染色体图片资料,分别记录人和模型完成染色体分类的时间及准确率,综合评价模型的应用价值。结果CNN模型的分裂相计数准确率为61.81%,单条染色体的"切割+识别+排列+自动分析"准确率为96.16%。CNN模型的分类耗时相对人工操作有了大幅度的提高,核型分析的准确率仅比遗传专科医师低3.58%。结论基于CNN构建的染色体分类模型具有较高的分类能力,能够减轻遗传医师在核型分析的过程中手动切割分类染色体的劳动强度,提高工作效率,因而具有较好的应用前景。

关键词：深度学习染色体分类染色体核型分析卷积神经网络

卷积神经网络在职业性尘肺病影像学诊断中的应用研究进展

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第2期41卷 413-420页

作者：王瑜吴江(综述) 伍东升(审校) 四川大学生物医学工程学院生物医学工程系成都610041 四川大学华西医院深地医学研究中心成都610041 四川大学华西第四医院放射科成都610041

尘肺病在我国每年报告的新发职业病中居首位,影像学诊断目前仍是其主要的临床诊断方法之一。然而,人工阅片对医生水平要求较高,尘肺影像学分期诊断的判别难度大,而且由于医疗资源分布不均衡等因素的影响,很容易导致基层医疗机构出现误... 详细信息

尘肺病在我国每年报告的新发职业病中居首位,影像学诊断目前仍是其主要的临床诊断方法之一。然而,人工阅片对医生水平要求较高,尘肺影像学分期诊断的判别难度大,而且由于医疗资源分布不均衡等因素的影响,很容易导致基层医疗机构出现误诊和漏诊。计算机辅助诊断系统可以实现尘肺病的快速筛查,以便辅助临床医生进行鉴别和诊断,提高诊断效能。作为深度学习的重要分支,卷积神经网络因具有局部关联、权值共享的特点,擅长处理图像分割、图像分类、目标检测等各种视觉任务,近年来已在尘肺病计算机辅助诊断领域得到广泛应用。本文就卷积神经网络(VGG、U-Net、ResNet、DenseNet、CheXNet、Inception-V3和ShuffleNet)在尘肺病影像学筛查诊断、分期诊断和病灶分割等方面的应用进行文献回顾,旨在总结卷积神经网络的方法、优缺点及优化策略,为尘肺病影像学计算机辅助诊断的进一步研究提供参考。

关键词：尘肺影像学诊断深度学习卷积神经网络

卷积神经网络在装备磨损颗粒识别中的研究综述

在线全文

学校读者我要写书评

暂无评论

摩擦学学报 2022年第2期42卷 426-445页

作者：关浩坚贺石中李秋秋杨智宏覃楚东何伟楚广州机械科学研究院有限公司设备润滑与检测研究所广东广州510530 工业摩擦润滑技术国家地方联合工程研究中心广东广州510530

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析.卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破.随着卷积神经网络的快速发展,磨损颗粒在... 详细信息

铁谱法是用于装备故障诊断的1种重要方法,其中铁谱法的重点是铁谱图像的分析,即磨损磨粒分析.卷积神经网络是当下最流行的深度学习算法之一,其广泛应用于图像识别领域,使得图像识别领域得到突破.随着卷积神经网络的快速发展,磨损颗粒在智能识别方面的技术取得了重大的突破.本文中首先简述了卷积神经网络与磨粒智能识别的发展历史,针对基于卷积神经网络的磨粒识别方法进行了从图像数据集处理到模型优化技术方面的介绍,并详细说明了这些技术在磨粒识别中的具体应用实例.然后从现有网络和自设计网络两方面分类,整理了近年来卷积神经网络应用于磨粒智能识别的代表性文献,综述了这些工作所提出的模型结构和特点,分析并阐述了各个模型主要的识别原理,各个网络结构存在的优缺点,以及它们的数据采用情况等,并对未来磨粒智能识别的主要研究方向进行了展望.最后肯定了卷积神经网络方法在磨粒智能识别方面的重要性,同时指出了基于此方法的磨粒识别模型的缺点,并提出了应紧跟图像识别领域的最新技术以促进磨粒智能识别水平提高等建议,对磨粒智能识别的发展具有一定的意义.

关键词：卷积神经网络铁谱磨损颗粒智能识别数据集

在线全文

学校读者我要写书评

暂无评论

卷积神经网络表征可视化研究综述

自动化学报 2022年第8期48卷 1890-1920页

作者：司念文张文林屈丹罗向阳常禾雨牛铜信息工程大学信息系统工程学院郑州450001 信息工程大学网络空间安全学院郑州450001 信息工程大学密码工程学院郑州450001

近年来,深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展,这些任务多以卷积神经网络为基础搭建识别模型,训练后的模型拥有优异的自动特征提取和预测性能,能够为用户提供“输入–输出”形式的端到端解决方案.然而,由于... 详细信息

近年来,深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展,这些任务多以卷积神经网络为基础搭建识别模型,训练后的模型拥有优异的自动特征提取和预测性能,能够为用户提供“输入–输出”形式的端到端解决方案.然而,由于分布式的特征编码和越来越复杂的模型结构,人们始终无法准确理解卷积神经网络模型内部知识表示,以及促使其做出特定决策的潜在原因.另一方面,卷积神经网络模型在一些高风险领域的应用,也要求对其决策原因进行充分了解,方能获取用户信任.因此,卷积神经网络的可解释性问题逐渐受到关注.研究人员针对性地提出了一系列用于理解和解释卷积神经网络的方法,包括事后解释方法和构建自解释的模型等,这些方法各有侧重和优势,从多方面对卷积神经网络进行特征分析和决策解释.表征可视化是其中一种重要的卷积神经网络可解释性方法,能够对卷积神经网络所学特征及输入–输出之间的相关关系以视觉的方式呈现,从而快速获取对卷积神经网络内部特征和决策的理解,具有过程简单和效果直观的特点.对近年来卷积神经网络表征可视化领域的相关文献进行了综合性回顾,按照以下几个方面组织内容:表征可视化研究的提起、相关概念及内容、可视化方法、可视化的效果评估及可视化的应用,重点关注了表征可视化方法的分类及算法的具体过程.最后是总结和对该领域仍存在的难点及未来研究趋势进行了展望.

关键词：深度学习卷积神经网络可解释性表征可视化显著图

卷积神经网络对鼻咽癌窄带成像图像诊断的研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

临床耳鼻咽喉头颈外科杂志 2023年第6期37卷 483-486页

作者：翁敬锦韦嘉章韦云钟桂志王汉伟陆锦龙欧华霜江河李敏瞿申红广西壮族自治区人民医院耳鼻咽喉头颈外科南宁530021

目的探讨卷积神经网络(convolutional neural network,CNN)技术对鼻咽癌窄带成像内镜图像的诊断效能。方法收集2014-2016年广西壮族自治区人民医院834例鼻咽病变的窄带成像内镜图像和临床病理资料。使用DenseNet 201模型训练分类任务,... 详细信息

目的探讨卷积神经网络(convolutional neural network,CNN)技术对鼻咽癌窄带成像内镜图像的诊断效能。方法收集2014-2016年广西壮族自治区人民医院834例鼻咽病变的窄带成像内镜图像和临床病理资料。使用DenseNet 201模型训练分类任务,利用测试数据集对模型进行检测和性能评价,并和内镜医生的判别效果进行比较。结果CNN诊断鼻咽癌的受试者工作特征曲线下面积为0.98。CNN的敏感度为91.90%,特异度为94.69%,而2名内镜专家的敏感度分别为92.08%和91.06%,特异度分别为95.58%和92.79%,CNN与2名内镜专家的诊断结果比较差异均无统计学意义(P=0.282,P=0.085)。此外,CNN对早期鼻咽癌的识别准确率与晚期鼻咽癌比较,差异无统计学意义(P=0.382)。测试集图像识别时间为0.1 s/张。结论CNN模型能快速区别鼻咽癌和鼻咽良性病变,有助于内镜医生判断鼻咽病变,减少鼻咽部活检率。

关键词：人工智能鼻咽癌诊断卷积神经网络

在线全文

学校读者我要写书评

暂无评论

卷积神经网络在流场重构研究中的进展

力学学报 2022年第9期54卷 2343-2360页

作者：陈皓郭明明田野陈尔达邓雪乐嘉陵李林静西南科技大学信息工程学院四川绵阳621010 中国空气动力研究与发展中心四川绵阳621000

近年来,随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展,该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向.传统的方法无法有效地处理这些庞大的数据,深度学习因其具... 详细信息

近年来,随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展,该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向.传统的方法无法有效地处理这些庞大的数据,深度学习因其具有强大的函数拟合能力,可以从大量的数据中挖掘有用的信息.当前,流体力学深度学习技术有了初步的一些研究成果,在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值,其应用潜力逐渐得到证实.如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘,快速智能感知及重构流场,可为主动流动控制提供重要指导.本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展,文章首先介绍卷积神经网络的一些基本概念以及基本网络结构,之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论,并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果,最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望.

关键词：卷积神经网络超分辨率长短期记忆流场重构