检索结果-南通市图书馆

U-Net Inspired Deep Neural Network-Based Smoke Plume Detection in Satellite Images

Computers, Materials & Continua 2024年第4期79卷 779-799页

作者： Ananthakrishnan Balasundaram Ayesha Shaik Japmann Kaur Banga Aman Kumar Singh Centre for Cyber Physical Systems Vellore Institute of Technology(VIT)ChennaiTamil Nadu600127India School of Computer Science and Engineering Vellore Institute of Technology(VIT)ChennaiTamil Nadu600127India

Industrial activities, through the human-induced release of Green House Gas (GHG) emissions, have beenidentified as the primary cause of global warming. Accurate and quantitative monitoring of these emissions isessential for a comprehensive understanding of their impact on the Earth’s climate and for effectively enforcingemission regulations at a large scale. This work examines the feasibility of detecting and quantifying industrialsmoke plumes using freely accessible geo-satellite imagery. The existing systemhas so many lagging factors such aslimitations in accuracy, robustness, and efficiency and these factors hinder the effectiveness in supporting timelyresponse to industrial fires. In this work, the utilization of grayscale images is done instead of traditional colorimages for smoke plume detection. The dataset was trained through a resnet-50 model for classification and aU-Net model for segmentation. The dataset consists of images gathered by European Space Agency’s Sentinel-2 satellite constellation from a selection of industrial sites. The acquired images predominantly capture scenesof industrial locations, some of which exhibit active smoke plume emissions. The performance of the abovementionedtechniques and models is represented by their accuracy and IOU (Intersection-over-Union) metric.The images are first trained on the basic RGB images where their respective classification using the resnet-50model results in an accuracy of 94.4% and segmentation using the U-Net Model with an IOU metric of 0.5 andaccuracy of 94% which leads to the detection of exact patches where the smoke plume has occurred. This work hastrained the classification model on grayscale images achieving a good increase in accuracy of 96.4%.

关键词： Smoke plume resnet-50 U-Net geo satellite images early warning global monitoring

来源：

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

Posture Detection of Heart Disease Using Multi-Head Attention Vision Hybrid(MHAVH)Model

引用

Computers, Materials & Continua 2024年第5期79卷 2673-2696页

作者： Hina Naz Zuping Zhang Mohammed Al-Habib Fuad A.Awwad Emad A.A.Ismail Zaid Ali Khan School of Computer Science and Engineering Central South UniversityChangsha410003China Department of Quantitative analysis College of Business AdministrationKing Saud UniversityP.O.Box 71115Riyadh11587Saudi Arabia Electrical and Computer Engineering University of VictoriaVictoriaV9A1B8Canada

Cardiovascular disease is the leading cause of death globally.This disease causes loss of heart muscles and is also responsible for the death of heart cells,sometimes damaging their functionality.A person’s life may depend on receiving timely assistance as soon as possible.Thus,minimizing the death ratio can be achieved by early detection of heart attack(HA)symptoms.In the United States alone,an estimated 610,000 people die fromheart attacks each year,accounting for one in every four fatalities.However,by identifying and reporting heart attack symptoms early on,it is possible to reduce damage and save many lives significantly.Our objective is to devise an algorithm aimed at helping individuals,particularly elderly individuals living independently,to safeguard their lives.To address these challenges,we employ deep learning techniques.We have utilized a vision transformer(ViT)to address this problem.However,it has a significant overhead cost due to its memory consumption and computational complexity because of scaling dot-product attention.Also,since transformer performance typically relies on large-scale or adequate data,adapting ViT for smaller datasets is more challenging.In response,we propose a three-in-one steam model,theMulti-Head Attention Vision Hybrid(MHAVH).Thismodel integrates a real-time posture recognition framework to identify chest pain postures indicative of heart attacks using transfer learning techniques,such as resnet-50 and VGG-16,renowned for their robust feature extraction capabilities.By incorporatingmultiple heads into the vision transformer to generate additional metrics and enhance heart-detection capabilities,we leverage a 2019 posture-based dataset comprising RGB images,a novel creation by the author that marks the first dataset tailored for posture-based heart attack detection.Given the limited online data availability,we segmented this dataset into gender categories(male and female)and conducted testing on both segmented and original datasets.The training accuracy of our model reached

关键词： Image analysis posture of heart attack(PHA)detection hybrid features VGG-16 resnet-50 vision transformer advance multi-head attention layer

来源：

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

Enhancing Skin Cancer Diagnosis with Deep Learning:A Hybrid CNN-RNN Approach

引用

Computers, Materials & Continua 2024年第4期79卷 1497-1519页

作者： Syeda Shamaila Zareen Guangmin Sun Mahwish Kundi Syed Furqan Qadri Salman Qadri Faculty of Information Technology Beijing University of TechnologyBeijing100124China Computer Science International Engineering Collage Maynooth UniversityKildareW23 F2H6Irland Research Center for Data Hub and Security Zhejiang LabHangzhou311121China Computer Science Department MNS University of AgricultureMultan59220Pakistan

Skin cancer diagnosis is difficult due to lesion presentation variability. Conventionalmethods struggle to manuallyextract features and capture lesions spatial and temporal variations. This study introduces a deep learning-basedConvolutional and Recurrent Neural Network (CNN-RNN) model with a resnet-50 architecture which usedas the feature extractor to enhance skin cancer classification. Leveraging synergistic spatial feature extractionand temporal sequence learning, the model demonstrates robust performance on a dataset of 9000 skin lesionphotos from nine cancer types. Using pre-trained resnet-50 for spatial data extraction and Long Short-TermMemory (LSTM) for temporal dependencies, the model achieves a high average recognition accuracy, surpassingprevious methods. The comprehensive evaluation, including accuracy, precision, recall, and F1-score, underscoresthe model’s competence in categorizing skin cancer types. This research contributes a sophisticated model andvaluable guidance for deep learning-based diagnostics, also this model excels in overcoming spatial and temporalcomplexities, offering a sophisticated solution for dermatological diagnostics research.

关键词： Skin cancer classification deep learning Convolutional Neural Network(CNN) RNN resnet-50

来源：

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

一种融合多尺度技术和并行网络的DR检测方法

引用

哈尔滨理工大学学报 2024年第1期29卷 87-95页

作者：陈宇徐仕豹东北林业大学信息与计算机工程学院哈尔滨150040

针对糖尿病视网膜病变(DR)检测模型在下采样过程中关键信息丢失和模型鲁棒性差的问题,构建一个PM-Net模型(Parallel Multi-scale Network)。在下采样过程中,利用信息增强的方式设计了多尺度最大池化和多尺度卷积模块并对resnet-50改进... 详细信息

针对糖尿病视网膜病变(DR)检测模型在下采样过程中关键信息丢失和模型鲁棒性差的问题,构建一个PM-Net模型(Parallel Multi-scale Network)。在下采样过程中,利用信息增强的方式设计了多尺度最大池化和多尺度卷积模块并对resnet-50改进。进一步,为了提高模型的鲁棒性,使用双分支的架构对模型进行扩展。提出的多尺度模块使得模型在下采样的过程中获得了更加丰富的视网膜眼底图像特征,从而提高了DR检测的性能,同时提出的双分支模型在DR检测过程中用局部信息辅助全局信息保证了模型的鲁棒性。模型在EyePACS、DDR和私有数据集进行了实验验证。实验结果表明:与主流的模型相比,本模型在EyePACS数据集上的准确率和二次加权Kappa分数分别提高了2.58%和1.31%。

关键词：糖尿病视网膜病变多尺度并行网络最大池化 resnet-50

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于Se-resnet50特征编码器的公共环境图像描述生成

引用

计算机应用研究 2023年第6期40卷 1864-1869页

作者：唐渔何志琴周宇辉吴钦木王霄贵州大学电气工程学院贵阳550025

针对传统公共环境图像描述模型中编码器—解码器结构在编码过程中特征提取能力不足以及解码过程中上下文信息丢失严重的问题,提出了一种基于Se-resnet50与M-LSTM的公共环境图像描述模型。将SeNet模块添加到resnet-50的残差路径中得到改... 详细信息

针对传统公共环境图像描述模型中编码器—解码器结构在编码过程中特征提取能力不足以及解码过程中上下文信息丢失严重的问题,提出了一种基于Se-resnet50与M-LSTM的公共环境图像描述模型。将SeNet模块添加到resnet-50的残差路径中得到改进残差网络提取图像特征,SeNet对特征的各个部分赋予权重生成不同的注意力特征图,再融合文本特征向量输入具有额外门控运算的改进长短期记忆网络(M-LSTM)训练。模型训练结束后,输入公共环境图像就能得到描述图像内容的自然语句。该模型在多种数据集上进行了评估,实验结果表明,提出的模型在MSCOCO数据集上相较传统模型,在BLEU-1、BLEU-2、BLEU-3、BLEU-4、METEOR、CIDEr等评价指标上分别提高了3.2%、2.1%、1.7%、1.7%、1.3%、8.2%,证明了提出的方法在评价指标、语义多样性上具有一定的优越性。

关键词：公共环境图像描述 SeNet resnet-50 长短期记忆网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的农作物病虫害图像识别方法

引用

沧州师范学院学报 2024年第1期40卷 15-21页

作者：崔梦银邓茵崔盼盼广东科技学院计算机学院广东东莞523668 商丘工学院信息与电子工程学院河南商丘476000

针对农作物病虫害图像识别精度和效率低的问题,提出一种基于卷积神经网络和迁移学习的多粒度特征分割模型(MGFSM).模型采用resnet-50作为骨干网络,利用预训练权重进行参数共享,以提高识别精度和稳定性.MGFSM包含全局分支和局部分支,全... 详细信息

针对农作物病虫害图像识别精度和效率低的问题,提出一种基于卷积神经网络和迁移学习的多粒度特征分割模型(MGFSM).模型采用resnet-50作为骨干网络,利用预训练权重进行参数共享,以提高识别精度和稳定性.MGFSM包含全局分支和局部分支,全局分支学习整个图像的外观模型,局部分支解决复杂背景和遮挡问题.同时,联合使用度量损失和分类损失函数,以克服类内间距大和类间间距小的问题,提高病虫害图像辨别性.通过迁移学习,将知识迁移到增强后的目标数据上,增强模型对不同病虫害种类的适应性.实验结果表明,MGFSM模型在PlantVillage数据集上具有较高的识别精度和泛化能力,可应用于移动端和嵌入式设备中,具有一定的实用价值.

关键词：图像识别卷积神经网络 resnet-50 损失函数迁移学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进的YOLOv5s金属表面缺陷检测方法研究

引用

轨道交通材料 2024年第2期3卷 50-56页

作者：杨喻丘佟维妍沈阳工业大学化工过程自动化学院辽宁沈阳110000

针对现有金属表面缺陷检测算法存在缺陷特征提取能力不足、检测精度较低、可能因网络加深而出现梯度消失等问题,提出了一种基于改进的YOLOv5s金属表面缺陷检测算法。首先,用3层resnet-50残差网络代替YOLOv5s的骨干网络,不仅增加了提取... 详细信息

针对现有金属表面缺陷检测算法存在缺陷特征提取能力不足、检测精度较低、可能因网络加深而出现梯度消失等问题,提出了一种基于改进的YOLOv5s金属表面缺陷检测算法。首先,用3层resnet-50残差网络代替YOLOv5s的骨干网络,不仅增加了提取目标特征能力还提升了模型训练鲁棒性;其次,在骨干网络最后一层加入CBAM注意力机制,优化网络结构,提取更加丰富的目标特征;最后,引入边框回归损失函数EIoULoss代替原本的CIoULoss来加快网络收敛,增加小目标检测能力。研究试验表明,改进后的目标检测算法在NEU-DET数据上mAP为78.5%,较经典YOLOv5s算法相比提升了6.2%,改进后的金属缺陷检测算法不仅性能更优,而且还能检测出漏检目标,检测速度和检测精度也优于Faster R-CNN和YOLOv3,能够满足工业生产中对金属表面缺陷检测的需求。

关键词：缺陷检测 YOLOv5s resnet-50 CBAM EloULoss

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Sika Deer Facial Recognition Model Based on SE-resnet

引用

Computers, Materials & Continua 2022年第9期72卷 6015-6027页

作者： He Gong Lin Chen Haohong Pan Shijun Li Yin Guo Lili Fu Tianli Hu Ye Mu Thobela Louis Tyasi College of Information Technology Jilin Agricultural UniversityChangchun130118China College of Electronic and Information Engineering Wuzhou UniversityWuzhou543003China Jilin Province Agricultural Internet of Things Technology Collaborative Innovation Center Changchun130118China Jilin Province Intelligent Environmental Engineering Research Center Changchun130118China Guangxi Key Laboratory of Machine Vision and Intelligent Control Wuzhou543003China Department of Agricultural Economics and Animal Production University of Limpopo0727PolokwaneSouth Africa

The scale of deer breeding has gradually increased in recent years and better information management is necessary,which requires the identification of individual deer.In this paper,a deer face dataset is produced using face images obtained from different angles,and an improved residual neural network(resnet)-based recognition model is proposed to extract the features of deer faces,which have high similarity.The model is based on resnet-50,which reduces the depth of the model,and the network depth is only 29 layers;the model connects Squeeze-and-Excitation(SE)modules at each of the four layers where the channel changes to improve the quality of features by compressing the feature information extracted through the entire layer.A maximum pooling layer is used in the ResBlock shortcut connection to reduce the information loss caused by messages passing through the ResBlock.The Rectified Linear Unit(ReLU)activation function in the network is replaced by the Exponential Linear Unit(ELU)activation function to reduce information loss during forward propagation of the network.The preprocessed 6864 sika deer face dataset was used to train the recognition model based on SEresnet,which is demonstrated to identify individuals accurately.By setting up comparative experiments under different structures,the model reduces the amount of parameters,ensures the accuracy of the model,and improves the calculation speed of the model.Using the improved method in this paper to compare with the classical model and facial recognition models of different animals,the results show that the recognition effect of this research method is the best,with an average recognition accuracy of 97.48%.The sika deer face recognition model proposed in this study is effective.The results contribute to the practical application of animal facial recognition technology in the breeding of sika deer and other animals with few distinct facial features.

关键词： Sika deer facial recognition model resnet-50 se module shortcut connection ELU

来源：

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

基于改进resnet-50残差网络的纤维分类方法

引用

西安工程大学学报 2022年第4期36卷 19-25页

作者：黄烜孙晗林博生殷明骏杨志军广东工业大学省部共建精密电子制造技术与装备国家重点实验室广东广州510006 佛山市华道超精科技有限公司广东佛山528225

针对目前常见的纤维分类技术中,分类结果受人的主观影响大、检测设备昂贵、检测时间长等问题,提出一种基于ImageNet数据集预训练的改进resnet-50残差神经网络分类方法,并对4种纤维结构较相似的动物毛发纤维进行分类。使用自建训练集和... 详细信息

针对目前常见的纤维分类技术中,分类结果受人的主观影响大、检测设备昂贵、检测时间长等问题,提出一种基于ImageNet数据集预训练的改进resnet-50残差神经网络分类方法,并对4种纤维结构较相似的动物毛发纤维进行分类。使用自建训练集和测试集,以TensorFlow和Keras为框架,利用resnet-50和VGG-16的基础模型进行验证;再通过加入Dropout层和数据增强策略等方式,改进resnet-50的网络结构和参数并重新训练;最后使用测试集进行评估,得到新网络模型在测试集上的混淆矩阵并对比各项性能指标。结果表明,改进后的resnet-50网络模型平均准确率98.88%,综合评估分数98.88%,有更优的综合分类性能。

关键词：纤维分类残差神经网络 resnet-50 VGG-16 迁移学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于神经网络的古生物化石颗粒特征鉴定

引用

中文科技期刊数据库（全文版）自然科学 2024年第1期 79-82页

作者：李松林朱章雄吴承熹郑堃玲李鹏飞重庆科技学院石油与天然气工程学院重庆401331

随着大数据技术的发展,古生物化石颗粒特征[footnoteRef:0]的识别和分析成为古生物学研究的重要内容之一。传统的方法需要专业人员进行人工鉴定,费时费力且存在主观的误差和人才缺乏等问题。本文提出了一种基于卷积神经网络的古生物化... 详细信息

随着大数据技术的发展,古生物化石颗粒特征[footnoteRef:0]的识别和分析成为古生物学研究的重要内容之一。传统的方法需要专业人员进行人工鉴定,费时费力且存在主观的误差和人才缺乏等问题。本文提出了一种基于卷积神经网络的古生物化石颗粒特征识别方法,采用resnet-50算法模型对图像进行预处理、模型设计、训练与预测,实现了多类生物化石的智能识别。实验结果表明,该方法对三叶虫纲和头足纲的识别准确率分别达到86.4%和91.2%,并且通过迁移学习得到的最终分类模型在数据集上的测试准确率为85.6%。该方法具有较高的准确率和效率,为古生物学的研究提供了有力支持。

关键词：古生物化石图像 resnet-50 特征识别卷积神经网络

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：