检索结果-南通市图书馆

Discrimination between leucine-rich glioma-inactivated 1 antibody encephalitis and gamma-aminobutyric acid B receptor antibody encephalitis based on resnet18

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

Visual Computing for Industry,Biomedicine,and Art 2023年第1期6卷 245-256页

作者： Jian Pan Ruijuan Lv Qun Wang Xiaobin Zhao Jiangang Liu Lin Ai School of Computer and Information Technology Beijing Jiaotong UniversityBeijing 100044China Department of Neurology Beijing Tiantan HospitalCapital Medical UniversityChina National Clinical Research Center for Neurological DiseasesBeijing 100070China Department of Nuclear Medicine Beijing Tiantan HospitalCapital Medical UniversityBeijing 100070China School of Engineering Medicine Beihang UniversityBeijing 100191China Key Laboratory of Big Data-Based Precision Medicine(Beihang University) Ministry of Industry and Information Technology of the People’s Republic of ChinaBeijing 100191China.

This study aims to discriminate between leucine-rich glioma-inactivated 1(LGI1)antibody encephalitis and gammaaminobutyric acid B(GABAB)receptor antibody encephalitis using a convolutional neural network(CNN)model.A total of 81 patients were recruited for this ***18,VGG16,and resnet50 were trained and tested separately using 3828 positron emission tomography image slices that contained the medial temporal lobe(MTL)or basal ganglia(BG).Leave-one-out cross-validation at the patient level was used to evaluate the CNN *** receiver operating characteristic(ROC)curve and the area under the ROC curve(AUC)were generated to evaluate the CNN *** on the prediction results at slice level,a decision strategy was employed to evaluate the CNN models’performance at patient *** resnet18 model achieved the best performance at the slice(AUC=0.86,accuracy=80.28%)and patient levels(AUC=0.98,accuracy=96.30%).Specifically,at the slice level,73.28%(1445/1972)of image slices with GABAB receptor antibody encephalitis and 87.72%(1628/1856)of image slices with LGI1 antibody encephalitis were accurately *** the patient level,94.12%(16/17)of patients with GABAB receptor antibody encephalitis and 96.88%(62/64)of patients with LGI1 antibody encephalitis were accurately *** of the image slices extracted using gradient-weighted class activation mapping indicated that the model focused on the MTL and BG for *** general,the resnet18 model is a potential approach for discriminating between LGI1 and GABAB receptor antibody *** in the MTL and BG is important for discriminating between these two encephalitis subtypes.

关键词： resnet18 Fluorodeoxyglucose-positron emission tomography GABAB receptor antibody encephalitis Deep learning LGI1 antibody encephalitis

基于改进resnet18的苹果叶部病害多分类算法研究

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

农业机械学报 2023年第4期54卷 295-303页

作者：姜红花杨祥海丁睿柔王东伟毛文华乔永亮山东农业大学信息科学与工程学院泰安271018 青岛农业大学机电工程学院青岛266109 中国农业机械化科学研究院集团有限公司北京100083 悉尼大学工学院悉尼2006

针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进resnet18的苹果叶部病害多分类算法。通过在原始resnet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精... 详细信息

针对传统苹果叶部病害分类方法精准性差、效率低等问题,提出了一种基于改进resnet18的苹果叶部病害多分类算法。通过在原始resnet18网络的基础上增加通道与空间注意力机制分支,强化网络对叶部病害区域的特征提取能力,提高病害的识别精度和实时性。为更好地引导网络学习到零散分布的病害斑点的特征,引入特征图随机裁剪分支,不仅实现有限样本空间的扩充,还进一步优化网络结构,提高训练速度。试验以苹果5类常见的叶部病害(黑星病、黑腐病、雪松锈病、灰斑病、白粉病)为主要研究对象,并与主流分类算法模型进行对比。试验结果表明,所提resnet18 CBAM RC1模型病害分类准确率可达98.25%,高于resnet18(93.19%)和VGG16(96.13%),能够有效提取叶片病害特征,增强对多类病害的识别,提高识别准确率。此外,模型内存占用量仅为37.44 MB,单幅图像推理时间为9.11 ms,可满足嵌入式设备上果园病害识别的实时性要求。

关键词：苹果叶部病害 resnet18 注意力机制随机裁剪深度学习

基于resnet18特征编码器的水稻病虫害图像描述生成

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

农业工程学报 2022年第12期38卷 197-206页

作者：谢州益冯亚枝胡彦蓉刘洪久浙江农林大学数学与计算机科学学院杭州311300 浙江省林业智能监测与信息技术研究重点实验室杭州311300 林业感知技术与智能装备国家林业与草原局重点实验室杭州311300

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于resnet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层resnet18作为编码器,在... 详细信息

针对图像描述算法缺乏在农业领域中的应用,传统模型参数庞大的问题,该研究提出一种基于resnet18特征编码器的图像描述算法,对作物患病类型进行识别并生成描述。首先,建立水稻病虫害图像描述数据集。其次,使用浅层resnet18作为编码器,在保证特征提取能力的同时缩减网络模型大小,解码器使用融合了注意力机制的长短期记忆网络(Long Short Term Memory,LSTM)来生成图像描述。试验结果表明,改进后模型尺寸大小为原来的1/3,经过6000次迭代后模型基本收敛,准确率达到98.48%。在水稻病虫害图像描述数据集上,改进编码器-解码器结构后的双语评估替换值(Bilingual Evaluation Understudy,BLEU)和METEOR(Metric for Evaluation of Translation with Explicit ORdering)分别达到0.752和0.404,其余指标结果也明显优于其他模型,具有描述细致准确、鲁棒性强等优点,能够更好地适用于小规模数据集上的训练,可为农作物相似病害特征的自动化描述提供有益参考。

关键词：农业算法图像描述水稻病虫害编码器-解码器框架 resnet18 注意力机制

改进resnet18网络模型的羊肉部位分类与移动端应用

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2021年第18期37卷 331-338页

作者：张垚鑫朱荣光孟令峰马蓉王世昌白宗秀崔晓敏石河子大学机械电气工程学院石河子832003 农业农村部西北农业装备重点实验室石河子832003

针对传统图像分类模型泛化性不强、准确率不高以及耗时等问题,该研究构建了一种用于识别不同部位羊肉的改进resnet18网络模型,并基于智能手机开发了一款可快速识别不同部位羊肉的应用软件。首先,使用数据增强方式对采集到的羊背脊、羊... 详细信息

针对传统图像分类模型泛化性不强、准确率不高以及耗时等问题,该研究构建了一种用于识别不同部位羊肉的改进resnet18网络模型,并基于智能手机开发了一款可快速识别不同部位羊肉的应用软件。首先,使用数据增强方式对采集到的羊背脊、羊前腿和羊后腿肉的原始手机图像进行数据扩充;其次,在resnet18网络结构中引入附加角裕度损失函数(ArcFace)作为特征优化层参与训练,通过优化类别的特征以增强不同部位羊肉之间的类内紧度和类间差异,同时将resnet18网络残差结构中的传统卷积用深度可分离卷积替换以减少网络参数量,提高网络运行速度;再次,探究了不同优化器、学习率和权重衰减系数对网络收敛速度和准确率的影响并确定模型参数;最后,将该网络模型移植到安卓(Android)手机以实现不同部位羊肉的移动端检测。研究结果表明,改进resnet18网络模型测试集的准确率高达97.92%,相比resnet18网络模型提高了5.92个百分点;把改进resnet18网络模型部署到移动端后,每张图片的检测时间约为0.3 s。该研究利用改进resnet18网络模型结合智能手机图像实现了不同部位羊肉的移动端快速准确分类,为促进羊肉的智能化检测及羊肉市场按质论价提供了技术支持。

关键词：图像处理图像识别模型羊肉 resnet18 移动端羊肉部位分类

Recognition of Bird Species of Yunnan Based on Improved resnet18

在线全文

学校读者我要写书评

暂无评论

Intelligent Automation & Soft Computing 2024年第5期39卷 889-905页

作者： Wei Yang Ivy Kim D.Machica College of Information and Computing University of Southeastern PhilippinesDavao City8000Philippines College of Big Data Baoshan UniversityBaoshan678000China

Birds play a crucial role in maintaining ecological balance,making bird recognition technology a hot research *** recognition methods have not achieved high accuracy in bird *** paper proposes an improved resnet18 model to enhance the recognition rate of local bird species in ***,a dataset containing five species of local birds in Yunnan was established:***,***,Syrmaticus humiae,Polyplectron bicalcaratum,and Pucrasia *** improved resnet18 model was then used to identify these *** method replaces traditional convolution with depth wise separable convolution and introduces an SE(Squeeze and Excitation)module to improve the model’s efficiency and *** to the traditional resnet18 model,this improved model excels in implementing a wild bird classification solution,significantly reducing computational overhead and accelerating model training using low-power,lightweight *** analysis shows that the improved resnet18 model achieved an accuracy of 98.57%,compared to 98.26%for the traditional Residual Network 18 layers(resnet18)model.

关键词： Bird species recognition resnet18 depth-wise separable convolutions

基于改进resnet18的胡麻干旱胁迫识别与分类研究

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

江西农业大学学报 2023年第6期45卷 1517-1527页

作者：刘芳军李玥武凌吴丽丽甘肃农业大学信息科学技术学院甘肃兰州730070 兰州交通大学网络信息中心甘肃兰州730070

【目的】为实现在移动端对胡麻干旱胁迫实时监测,解决传统机器学习方法在识别分类时准确率低、速度慢的问题,提出一种基于改进resnet18的胡麻干旱胁迫分类识别方法。【方法】首先在网络中添加卷积块注意力(CBAM)模块,强化网络对胁迫特... 详细信息

【目的】为实现在移动端对胡麻干旱胁迫实时监测,解决传统机器学习方法在识别分类时准确率低、速度慢的问题,提出一种基于改进resnet18的胡麻干旱胁迫分类识别方法。【方法】首先在网络中添加卷积块注意力(CBAM)模块,强化网络对胁迫特征的提取能力;其次调整残差块中批标准层、激活函数、卷积块的连接顺序,实现对输入的样本数据进行归一化操作;最后将ReLU激活函数替换成LeakyReLU激活函数,避免出现神经死亡现象。试验分为无胁迫、轻度干旱、重度干旱3个水分胁迫处理,分批次采集不同干旱程度胡麻叶片图像,数据样本按3∶1分为训练集与测试集,并使用数据增强的方法增加样本的多样性。【结果】改进resnet18模型分类准确率高达98.67%,相比于resnet18和VGG16分别提高6.14和4.87个百分点,而模型所需参数大小仅为42.80 MB,单幅图像推理时间为17.50 ms。【结论】该文模型对胡麻干旱胁迫具有更好的分类识别效果,能够实现嵌入式设备上胡麻干旱胁迫识别的实时性要求。可为胡麻干旱监测、机械化生产等研究提供技术支持。

关键词：胡麻干旱胁迫图像识别 resnet18 迁移学习深度学习

维普期刊数据库博看期刊

同方期刊数据库

基于AdaBoost-RF-resnet18的储能电站火灾早期预警算法

在线全文

学校读者我要写书评

暂无评论

供用电 2024年第11期41卷 99-104页

作者：叶宏范旭明徐敏张一航唐君金华八达集团有限公司科技信息分公司浙江金华321000 国网浙江省电力有限公司金华供电公司浙江金华321000

针对储能电站早期火灾预警难、误报率高的问题,提出了一种基于AdaBoost-RF特征优选模型的resnet18火灾早期预警算法。首先,建立了融合表面缺陷类、热失控类和早期火灾类的锂电池早期火灾预警体系。然后,利用AdaBoost-RF-resnet18算法对R... 详细信息

针对储能电站早期火灾预警难、误报率高的问题,提出了一种基于AdaBoost-RF特征优选模型的resnet18火灾早期预警算法。首先,建立了融合表面缺陷类、热失控类和早期火灾类的锂电池早期火灾预警体系。然后,利用AdaBoost-RF-resnet18算法对RF进行加权改进,识别对早期火灾预警较为敏感的物理参数集合。最后,利用resnet18算法建立火灾早期预警的深度学习模型。仿真结果表明,AdaBoost-RF-resnet18算法可成功识别出对火灾早期预警较为敏感的参数,预警准确率优于传统机器学习方法。

关键词： resnet18 AdaBoost 特征优选储能电站火灾预警

基于改进resnet18网络的火灾图像识别

在线全文

学校读者我要写书评

暂无评论

河南师范大学学报（自然科学版） 2024年第4期52卷 101-110,I0013,I0014页

作者：陈跨越王保云云南师范大学数学学院昆明650500 云南师范大学云南省现代分析数学及应用重点实验室昆明650500

针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对resnet18网络进行改进,使其具有更高的性能和准确性.首先,在resnet18网络的卷积层前插入空间变换网络(spatial transform networks,ST... 详细信息

针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对resnet18网络进行改进,使其具有更高的性能和准确性.首先,在resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.

关键词：火灾检测卷积神经网络空间变换网络 resnet18 HSI色彩模型迁移学习

基于改进resnet18的遥感图像舰船目标识别

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2024年第12期47卷 164-172页

作者：曾富强张贞凯方梦瑶江苏科技大学海洋学院镇江212003

舰船作为主要的海上交通作战工具,在遥感图像中高效准确识别舰船目标具有重要研究意义。光学遥感舰船图像包含丰富的信息,但因其具有复杂度高、图像大、受天气和昼夜变化影响等特点,导致识别率较低。针对这一问题,本文通过对resnet18进... 详细信息

舰船作为主要的海上交通作战工具,在遥感图像中高效准确识别舰船目标具有重要研究意义。光学遥感舰船图像包含丰富的信息,但因其具有复杂度高、图像大、受天气和昼夜变化影响等特点,导致识别率较低。针对这一问题,本文通过对resnet18进行改进,提出一种更加高效的光学遥感舰船图像分类的方法。对resnet18网络进行了简化,降低其参数量;使用并行池化实现特征图的空间降维,在保持特征丢失较少的情况下加快网络收敛;引入多尺度卷积进行不同尺度特征信息的提取,并使用ECA注意力机制改进多尺度卷积模块与残差模块,解决分支网络支路融合时存在特征不能很好的在通道间交互的问题。在FGSCR-42数据集上进行实验,实验结果表明改进后的算法收敛速度更快,且准确率与F1-score均高达95%左右,较resnet18网络提高了7%左右,而参数量仅有改进前的20%左右;与其他网络在舰船目标识别中的性能相比,本文方法也更加出色。

关键词：图像分类卷积神经网络 resnet18 注意力机制遥感舰船图像