检索结果-南通市图书馆

联合LidAR、高光谱数据及3d-cnn方法的树种分类

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

林业科学 2023年第3期59卷 73-83页

作者：毛英伍郭颖张王菲苏勇关塬西南林业大学林学院昆明650224 中国林业科学研究院资源信息研究所北京100091

【目的】探究三维卷积神经网络(3d-cnn)在高光谱数据支持的树种分类中的有效网络构建方式,以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区,LidAR数据获取的森林冠层高(CHM)进行单木分割并以此为补充建立样本,... 详细信息

【目的】探究三维卷积神经网络(3d-cnn)在高光谱数据支持的树种分类中的有效网络构建方式,以提高树种分类精度。【方法】以美国加利福尼亚州内华达山脉南部为研究区,LidAR数据获取的森林冠层高(CHM)进行单木分割并以此为补充建立样本,改进一种结构更简单、分类精度更高且无需对高光谱数据进行预处理的3d-cnn网络结构用于森林树种识别。【结果】相较于常规机器学习分类方法【支持向量机(SVM),随机森林(RF)】、传统二维卷积神经网络模型(2d-cnn)及最新多光谱分辨率三维卷积神经网络(MSR 3d-cnn)模型,本研究提出的3d-cnn模型对树种总体分类精度为99.79%,平均交并比(MIoU)为99.53%。与SVM和RF分类结果相比,本研究构建的3d-cnn模型总体分类精度提高5%左右,且具有对树种边界提取更加准确、椒盐现象更少发生的特点;与2d-cnn相比,总体分类精度提高10%左右,MIoU提高7%左右;与MSR 3d-cnn相比,总体精度相差不大,但在训练和测试过程中,本模型耗时远远小于MSR 3d-cnn模型。【结论】本研究改进的3d-cnn模型结构能够高效对原始高光谱影像进行树种分类并制图,可有效提高树种分类的精度。

关键词：高光谱 LidAR 卷积神经网络树种分类 3d-cnn

双卷积池化结构的3d-cnn高光谱遥感影像分类方法

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2019年第4期24卷 639-654页

作者：李冠东张春菊高飞张雪英合肥工业大学土木与水利工程学院合肥230009 南京师范大学虚拟地理环境教育部重点实验室南京210046

目的高光谱遥感影像数据包含丰富的空间和光谱信息,但由于信号的高维特性、信息冗余、多种不确定性和地表覆盖的同物异谱及同谱异物现象,导致高光谱数据结构呈高度非线性。3d-cnn(3d convolutional neural network)能够利用高光谱遥感... 详细信息

目的高光谱遥感影像数据包含丰富的空间和光谱信息,但由于信号的高维特性、信息冗余、多种不确定性和地表覆盖的同物异谱及同谱异物现象,导致高光谱数据结构呈高度非线性。3d-cnn(3d convolutional neural network)能够利用高光谱遥感影像数据立方体的特性,实现光谱和空间信息融合,提取影像分类中重要的有判别力的特征。为此,提出了基于双卷积池化结构的3d-cnn高光谱遥感影像分类方法。方法双卷积池化结构包括两个卷积层、两个BN(batch normalization)层和一个池化层,既考虑到高光谱遥感影像标签数据缺乏的问题,也考虑到高光谱影像高维特性和模型深度之间的平衡问题,模型充分利用空谱联合提供的语义信息,有利于提取小样本和高维特性的高光谱影像特征。基于双卷积池化结构的3d-cnn网络将没有经过特征处理的3d遥感影像作为输入数据,产生的深度学习分类器模型以端到端的方式训练,不需要做复杂的预处理,此外模型使用了BN和dropout等正则化策略以避免过拟合现象。结果实验对比了SVM(support vector machine)、SAE(stack autoencoder)以及目前主流的cnn方法,该模型在Indian Pines和Pavia University数据集上最高分别取得了99. 65%和99. 82%的总体分类精度,有效提高了高光谱遥感影像地物分类精度。结论讨论了双卷积池化结构的数目、正则化策略、高光谱首层卷积的光谱采样步长、卷积核大小、相邻像素块大小和学习率等6个因素对实验结果的影响,本文提出的双卷积池化结构可以根据数据集特点进行组合复用,与其他深度学习模型相比,需要更少的参数,计算效率更高。

关键词： 3d-cnn 双卷积池化结构空谱联合特征高光谱影像分类正则化策略

改进的残差3d-cnn的高光谱遥感影像分类

在线全文

学校读者我要写书评

暂无评论

测绘科学 2023年第2期48卷 148-156,184页

作者：苗永庆赵泉华孙清辽宁工程技术大学测绘与地理科学学院辽宁阜新123000

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题,该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势,提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不... 详细信息

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题,该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势,提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支,用以提取蕴涵在高光谱遥感影像中多尺度的特征;利用了3d卷积核代替2d卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征;通过残差结构连接分支提取特征缓解了梯度消失的问题,提取更深层次的特征。实验表明,该文算法不仅提高了条状和线状地物区域的边缘分类准确率,对小目标的分类能力也得到了增强。

关键词： 3d-cnn Inception模块残差神经网络高光谱遥感影像分类

基于诊断语义与注意力3d-cnn的超声造影非典型HCC鉴别方法研究

在线全文

学校读者我要写书评

暂无评论

基于诊断语义与注意力3D-CNN的超声造影非典型HCC鉴别方法研究

作者：潘丰鑫华南理工大学

学位级别：硕士

肝癌的患病致死率极高,然而在医学影像中,非典型肝癌与一些良性肿瘤的影像表现非常相似,很难从直观上辨别出来。现有肝脏肿瘤鉴别方法大都基于时间强度曲线,不仅依赖于额外的定量分析软件,并且无法应用于非典型肝癌的鉴别。此外,对于常... 详细信息

肝癌的患病致死率极高,然而在医学影像中,非典型肝癌与一些良性肿瘤的影像表现非常相似,很难从直观上辨别出来。现有肝脏肿瘤鉴别方法大都基于时间强度曲线,不仅依赖于额外的定量分析软件,并且无法应用于非典型肝癌的鉴别。此外,对于常用的图像特征,由于缺乏对诊断语义的描述,不具备临床可解释性,医生无法理解其提取信息的过程。这些问题导致目前基本没有相关研究能关注于非典型肝癌的自动化诊断。针对这些问题,本文创新性地提出了三种用于FNH和非典型HCC的辅助诊断模型。本文先从超声造影视频中提取三种语义特征来分别表征临床对肿瘤的诊断语义,并用支持向量机进行分类,充分地利用了临床医师的先验知识。然后,提出基于注意力机制的3d-cnn网络模型来提取肿瘤隐含的深层特征,提高辅助诊断模型的通用性。最后,本文在前述模型的基础上,提出联合诊断语义及3d-cnn的辅助诊断模型,在保证精准分类效果的同时,尽可能地弥补模型缺乏的先验知识。本文使用342例肝脏肿瘤超声造影视频对三种模型进行测试,评估各自的性能表现。实验结果表明,三种辅助诊断模型相较于同类型的辅助诊断模型均取得了更优异的分类性能,这说明,本文提出的三种辅助诊断模型能够为临床提供有价值的诊断意见。

关键词：非典型肝癌诊断语义 3d-cnn 注意力机制 SdMLBP

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

3d-cnn在肺癌图像识别中的应用研究

智能计算机与应用 2022年第8期12卷 161-164,170页

作者：李雅迪韩佳芳马琳琳郑州财税金融职业学院信息技术系郑州450048

肺癌是长期威胁人类健康的恶性疾病之一,针对传统方法在肺癌CT图像分类中的预处理过程复杂、工作量大的问题,本文提出了基于三维卷积神经网络(3d-cnn)模型的肺部CT图像分类方法。该模型以卷积神经网络模型为基础,并在训练的过程中使用... 详细信息

肺癌是长期威胁人类健康的恶性疾病之一,针对传统方法在肺癌CT图像分类中的预处理过程复杂、工作量大的问题,本文提出了基于三维卷积神经网络(3d-cnn)模型的肺部CT图像分类方法。该模型以卷积神经网络模型为基础,并在训练的过程中使用特定顺序输入策略,还在公开的Kaggle data Science Bowl 2017数据集上进行了实验。实验表明,该方法对图像的分类准确率达到76%,比采用随机顺序的输入策略时有所提升,能够为肺部病理图像的分类研究提供有价值的参考。

关键词：肺部CT图像分类 3d-cnn 特定顺序输入策略

维普期刊数据库博看期刊

基于3d-cnn和LSTM视觉图像算法的民族传统体育动作识别模型

在线全文

学校读者我要写书评

暂无评论

喀什大学学报 2024年第6期45卷 61-67页

作者：徐社远朱冰冰合肥经济学院基础课教学部安徽合肥230011

针对民族传统体育中数据识别中存在的准确率较低、实时性较差等问题,研究将虚拟现实技术与基于三维卷积神经网络的动作捕捉技术结合,并通过长短期记忆神经网络来捕捉动作中的时序信息,提出一种民族传统体育动作识别模型.结果表明,所提... 详细信息

针对民族传统体育中数据识别中存在的准确率较低、实时性较差等问题,研究将虚拟现实技术与基于三维卷积神经网络的动作捕捉技术结合,并通过长短期记忆神经网络来捕捉动作中的时序信息,提出一种民族传统体育动作识别模型.结果表明,所提出的民族传统体育动作识别模型在最优droPout比率为0.6时,函数损失收敛在0.021左右,识别精度曲线最终收敛于0.989.与其他姿态识别系统相比,模型识别精度提高超过20%,误差精度低于40 mm.该方法较好地实现了太极拳等民族传统体育项目的动作识别,对民族传统体育的现代化传承与训练起到了促进作用.

关键词：民族传统体育动作识别模型 3d-cnn LSTM 视觉图像算法虚拟现实技术

基于遥感图像3d-cnn及氮磷循环的水华形成过程分析

在线全文

学校读者我要写书评

暂无评论

基于遥感图像3D-CNN及氮磷循环的水华形成过程分析

Attention Based Multi-Patched 3d-cnns with Hybrid Fusion Architecture for Reducing False Positives during Lung Nodule detection

第31届中国过程控制会议（CPCC2020）

作者：王立吴羽溪王小艺刘载文北京工商大学人工智能学院北京市食品安全大数据技术重点实验室

化工生产过程中排放过量的氮和磷元素导致水体富营养化及藻类水华灾害频发,而现有的藻类水华分析存在两方面问题:一方面仅考虑氮或磷元素对藻类生长过程影响,忽略水体底物中的氮磷反馈机制,没有反映氮和磷元素在藻类水华形成过程中的完... 详细信息

化工生产过程中排放过量的氮和磷元素导致水体富营养化及藻类水华灾害频发,而现有的藻类水华分析存在两方面问题:一方面仅考虑氮或磷元素对藻类生长过程影响,忽略水体底物中的氮磷反馈机制,没有反映氮和磷元素在藻类水华形成过程中的完整循环过程;另一方面仅基于现场监测点数据研究,缺乏对整体水域的全面分析,而遥感图像能够反映整体水域变化,但传统分析方法难以有效处理海量的遥感数据。本研究以富营养化状态和叶绿素a浓度作为藻类水华的表征指标,以遥感图像及水体中的总氮和总磷为主要研究对象,提出一种基于遥感图像3d-cnn及氮磷循环的水华形成过程分析新方法。首先,基于3d-cnn对遥感图像进行特征提取,并采用细菌觅食算法优化网络结构,预测水体富营养化等级。其次,考虑水华形成过程中氮循环、磷循环等化学过程,根据"氮-磷-藻"之间的耦合关系及底物反馈机制,建立三维生化动力学时变参数模型,确定水华暴发程度及临界条件,并融合遥感图像提取的特征信息建立ENN模型,预测水华暴发的时间及程度。本研究选用由MOdIS卫星获取的太湖流域遥感图像及水域中的总氮和总磷等水质监测数据。仿真结果表明,基于遥感图像3d-cnn结合氮磷循环的分析方法在富营养化状态和水华暴发预测方面均取得良好效果。

关键词：遥感图像 3d-cnn 水华氮磷预测

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

Journal of Computer and Communications 2021年第4期9卷 1-26页

作者： Vamsi Krishna Vipparla Premith Kumar Chilukuri Giri Babu Kande Emerging Technologies department Mahindra & Mahindra IT Mumbai Maharashtra India Computer Vision division Supervue AI Visakhapatnam Andhra Pradesh India department of Electronics & Communication Engineering Vasireddy Venkatadri Institute of Technology Nambur Andhra Pradesh India

In lung nodules there is a huge variation in structural properties like Shape, Surface Texture. Even the spatial properties vary, where they can be found attached to lung walls, blood vessels in complex non-homogenous lung structures. Moreover, the nodules are of small size at their early stage of development. This poses a serious challenge to develop a Computer aided diagnosis (CAd) system with better false positive reduction. Hence, to reduce the false positives per scan and to deal with the challenges mentioned, this paper proposes a set of three diverse 3d Attention based cnn architectures (3d Acnn) whose predictions on given low dose Volumetric Computed Tomography (CT) scans are fused to achieve more effective and reliable results. Attention mechanism is employed to selectively concentrate/weigh more on nodule specific features and less weight age over other irrelevant features. By using this attention based mechanism in cnn unlike traditional methods there was a significant gain in the classification performance. Contextual dependencies are also taken into account by giving three patches of different sizes surrounding the nodule as input to the Acnn architectures. The system is trained and validated using a publicly available LUNA16 dataset in a 10 fold cross validation approach where a competition performance metric (CPM) score of 0.931 is achieved. The experimental results demonstrate that either a single patch or a single architecture in a one-to-one fashion that is adopted in earlier methods cannot achieve a better performance and signifies the necessity of fusing different multi patched architectures. Though the proposed system is mainly designed for pulmonary nodule detection it can be easily extended to classification tasks of any other 3d medical diagnostic computed tomography images where there is a huge variation and uncertainty in classification.

关键词： 3d-cnn Attention Gated Networks Lung Nodules Medical Imaging X-Ray Computed Tomography

A Lightweight driver drowsiness detection System Using 3dcnn With LSTM

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

Computer Systems Science & Engineering 2023年第1期44卷 895-912页

作者： Sara A.Alameen Areej M.Alhothali department of Computer Science King Abdulaziz UniversityJeddah21589Kingdom of Saudi Arabia

Today,fatalities,physical injuries,and significant economic losses occur due to car *** the leading causes of car accidents is drowsiness behind the wheel,which can affect any *** and sleepiness often have associated indicators that researchers can use to identify and promptly warn drowsy drivers to avoid potential *** paper proposes a spatiotemporal model for monitoring drowsiness visual indicators from *** model depends on integrating a 3d convolutional neural network(3d-cnn)and long short-term memory(LSTM).The 3dcnn-LSTM can analyze long sequences by applying the 3d-cnn to extract spatiotemporal features within adjacent *** learned features are then used as the input of the LSTM component for modeling high-level temporal *** addition,we investigate how the training of the proposed model can be affected by changing the position of the batch normalization(BN)layers in the 3d-cnn *** BN layer is examined in two different placement settings:before the non-linear activation function and after the non-linear activation *** study was conducted on two publicly available drowsy drivers datasets named 3MdAd and Yawdd.3MdAd is mainly composed of two synchronized datasets recorded from the frontal and side views of the *** show that the position of the BN layers increases the convergence speed and reduces overfitting on one dataset but not the *** a result,the model achieves a test detection accuracy of 96%,93%,and 90%on Yawdd,Side-3MdAd,and Front-3MdAd,respectively.

关键词： 3d-cnn deep learning driver drowsiness detection LSTM spatiotemporal features