检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种面向鱼眼图像的行人检测算法

现代电子技术 2024年第15期47卷 40-46页

作者：张瑶刘发炳黄国勇钱俊兵阮爱国沈忠明昆明理工大学民航与航空学院云南昆明650500 中广核玉溪华宁风力发电有限公司云南玉溪652800

鱼眼镜头非线性光学畸变导致鱼眼图像行人检测算法精度低,且校正算法也无法完全克服鱼眼图像的边缘严重变形。针对上述问题,文中以Faster R-CNN架构为基础,建立了鱼眼图像校正光路模型。针对鱼眼图像畸变,提出一种基于微分方程的鱼眼图... 详细信息

鱼眼镜头非线性光学畸变导致鱼眼图像行人检测算法精度低,且校正算法也无法完全克服鱼眼图像的边缘严重变形。针对上述问题,文中以Faster R-CNN架构为基础,建立了鱼眼图像校正光路模型。针对鱼眼图像畸变,提出一种基于微分方程的鱼眼图像校正模型,并提出一种改进算法用于鱼眼图像的行人检测。构建了resnet 50融合特征金字塔网络结构,以增强网络的多尺度特征提取能力,提高网络对行人小目标的定位和识别能力;优化平滑L1损失函数解决大梯度难学样本与小梯度易学样本间的不平衡问题,提高训练效果。实验结果表明,文中算法与现有鱼眼图像行人检测算法相比,检测精度提高了39.68%。在边缘轻微畸变及小尺度行人的检测精度可以达到90%以上,有助于提高极端条件下鱼眼图像的行人检测性能。

关键词：鱼眼镜头鱼眼图像畸变校正行人检测 Faster R-CNN resnet 50

维普期刊数据库博看期刊

Brain Tumor Identification Using Data Augmentation and Transfer Learning Approach

在线全文

学校读者我要写书评

暂无评论

Computer Systems Science & Engineering 2023年第8期46卷 1845-1861页

作者： K.Kavin Kumar P.M.Dinesh P.Rayavel L.Vijayaraja R.Dhanasekar Rupa Kesavan Kannadasan Raju Arfat Ahmad Khan Chitapong Wechtaisong Mohd Anul Haq Zamil S.Alzamil Ahmed Alhussen Department of Electronics and Communication Engineering Kongu Engineering College638060Tamil NaduIndia Department of Electronics and Communication Engineering Sona College of Technology636005Tamil NaduIndia Department of Computer Science and Engineering Sri Sairam Institute of TechnologyChennai600044Tamil NaduIndia Department of Electrical and Electronics Engineering Sri Sairam Institute of TechnologyChennai600044Tamil NaduIndia Department of Computer Science and Engineering Sri Venkateswara College of EngineeringSriperumbudur602117Tamil NaduIndia Department of Electrical and Electronics Engineering Sri Venkateswara College of EngineeringSriperumbudur602117Tamil NaduIndia Department of Computer Science College of ComputingKhon Kaen UniversityKhonKaen40002Thailand School of Telecommunication Engineering Suranaree University of TechnologyNakhon Ratchasima30000Thailand Department of Computer Science College of Computer and Information SciencesMajmaah UniversityAl-Majmaah11952Saudi Arabia Department of Computer Engineering College of Computer and Information SciencesMajmaah UniversityAl-Majmaah11952Saudi Arabia

A brain tumor is a lethal neurological disease that affects the average performance of the brain and can be *** India,around 15 million cases are diagnosed *** mitigate the seriousness of the tumor it is essential to diagnose at the ***,the manual evaluation process utilizing Magnetic Resonance Imaging(MRI)causes a few worries,remarkably inefficient and inaccurate brain tumor ***,the examination process of brain tumors is intricate as they display high unbalance in nature like shape,size,appearance,and ***,a precise and expeditious prognosis of brain tumors is essential for implementing the of an implicit *** computer models adapted to diagnose the tumor,but the accuracy of the model needs to be *** all the above mentioned things,this work aims to identify the best classification system by considering the prediction accuracy out of Alex-Net,resnet 50,and Inception *** augmentation is performed on the database and fed into the three convolutions neural network(CNN)models.A comparison line is drawn between the three models based on accuracy and *** accuracy of 96.2%is obtained for AlexNet with augmentation and performed better than resnet 50 and Inception V3 for the 120th *** the suggested model with higher accuracy,it is highly reliable if brain tumors are diagnosed with available datasets.

关键词： AlexNet brain tumor data augmentation inception V3 resnet 50

基于迁移学习的农作物病虫害检测方法研究与应用

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

农业机械学报 2020年第10期51卷 252-258页

作者：余小东杨孟辑张海清李丹唐毅谦于曦成都大学计算机学院成都610106 成都大学模式识别与智能信息处理四川省高校重点实验室成都610106 成都信息工程大学软件工程学院成都610225

为了提高农作物病虫害严重程度(健康、一般、严重)的分类效果,采用迁移学习方式并结合深度学习提出了一种基于残差网络(resnet 50)的CDCNNv2算法。通过对10类作物的3万多幅病虫害图像进行训练,获得了病虫害严重程度分类模型,其识别准确... 详细信息

为了提高农作物病虫害严重程度(健康、一般、严重)的分类效果,采用迁移学习方式并结合深度学习提出了一种基于残差网络(resnet 50)的CDCNNv2算法。通过对10类作物的3万多幅病虫害图像进行训练,获得了病虫害严重程度分类模型,其识别准确率可达91.51%。为了验证CDCNNv2模型的鲁棒性,分别与使用迁移学习的resnet 50、Xception、VGG16、VGG19、DenseNet 121模型进行对比试验,结果表明,CDCNNv2模型比其他模型的平均精度提升了2.78~10.93个百分点,具有更高的分类精度,病虫害严重程度识别的鲁棒性增强。基于该算法所训练的模型,结合Android技术开发了一款实时在线农作物病虫害等级识别APP,通过拍摄农作物叶片病虫害区域图像,能够在0.1~0.5 s之内获取识别结果(物种病害种类严重程度)及防治建议。

关键词：农作物病虫害病虫害等级分类深度迁移学习 resnet 50 移动应用程序

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于分层卷积神经网络的皮肤镜图像分类方法

智能科学与技术学报 2021年第4期3卷 474-481页

作者：邵虹张鸣坤崔文成沈阳工业大学信息科学与工程学院辽宁沈阳110870

针对皮肤镜图像数量不充足以及各类疾病之间影像数据不平衡的问题,提出一种融合类加权交叉熵损失函数和分层卷积神经网络的皮肤镜图像分类方法。首先对皮肤镜图像进行色彩恒常化处理,消除环境光源噪声;然后构建基于resnet50的分层卷积... 详细信息

针对皮肤镜图像数量不充足以及各类疾病之间影像数据不平衡的问题,提出一种融合类加权交叉熵损失函数和分层卷积神经网络的皮肤镜图像分类方法。首先对皮肤镜图像进行色彩恒常化处理,消除环境光源噪声;然后构建基于resnet50的分层卷积神经网络,并在迁移学习的基础上分别构建二分类和多分类卷积神经网络模型,根据皮肤镜图像的数量特点设置类加权交叉熵损失函数。实验结果表明,该方法具有较好的分类效果,分类准确率达到了85.94%,与未改进的分类模型resnet 50相比,测试准确率提高了5.752%。

关键词： resnet 50 皮肤镜图像分类分层卷积神经网络过拟合

维普期刊数据库