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

基于改进vgg网络的农作物病害图像识别

农机化研究 2022年第6期44卷 18-24页

作者：岳有军李雪松赵辉王红君天津理工大学天津市复杂系统控制理论与应用重点实验室/电气电子工程学院天津300384 天津农学院工程技术学院天津300392

随着计算机技术的飞速发展,使用机器视觉进行农作物病害识别成为了一种趋势。但是,当前农作物病害图像识别研究主要集中在提高其识别精度方面而很少考虑实际复杂自然条件下的鲁棒性研究。在实际复杂自然条件下,噪声和复杂自然条件背景... 详细信息

随着计算机技术的飞速发展,使用机器视觉进行农作物病害识别成为了一种趋势。但是,当前农作物病害图像识别研究主要集中在提高其识别精度方面而很少考虑实际复杂自然条件下的鲁棒性研究。在实际复杂自然条件下,噪声和复杂自然条件背景会降低识别精度。为此,对vgg网络进行改进,将高阶残差和参数共享反馈子网络添加进vgg网络中,识别实际复杂自然条件下的农作物病害。农作物病害表观的特征表达由高阶残差子网络提供,高阶残差子网络使病害识别的准确率更高;病害图像深层特征中的背景噪声被参数共享反馈子网络削弱,使改进vgg网络具有更强的鲁棒性。实验分析表明:在实际大田环境中,此方法在识别精度和鲁棒性方面比SVM、AlexNET、ResNet-50、vgg-16效果更好。

关键词：农作物病害识别 vgg网络高阶残差子网络参数共享反馈子网络

基于SDP图像与vgg网络的旋转机械转子故障诊断研究

在线全文

学校读者我要写书评

暂无评论

机电工程 2020年第9期37卷 1069-1074页

作者：武海彬卜明龙刘圆圆郝惠敏太原理工大学机械与运载工程学院山西太原030024

针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过... 详细信息

针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习vgg网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与vgg网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。

关键词：深度学习 vgg网络 SDP图像多通道信息融合转子故障诊断极限学习机

融合Transformer和vgg网络的高光谱图像分类

在线全文

学校读者我要写书评

暂无评论

传感器与微系统 2023年第12期42卷 142-145,150页

作者：张明慧周浩王先旺云南大学信息学院云南昆明650500

在高光谱图像(HSI)光谱数据中,相邻波段间信息的相关性对光谱特征近似的不同地物的分析具有重要意义。然而在传统卷积神经网络(CNN)的HSI光谱数据处理方法中,所提取的特征忽略了不同波段间信息的关联性。提出了一种融合Transformer和VG... 详细信息

在高光谱图像(HSI)光谱数据中,相邻波段间信息的相关性对光谱特征近似的不同地物的分析具有重要意义。然而在传统卷积神经网络(CNN)的HSI光谱数据处理方法中,所提取的特征忽略了不同波段间信息的关联性。提出了一种融合Transformer和vgg网络的高光谱图像分类方法(SST_Like)。采用3D卷积核的vgg网络提取空间光谱特征,基于多头自注意力(MSA)机制的Transformer网络提取连续光谱间信息,形成空谱联合特征,最终通过多层感知机(MLP)完成地物分类任务。本文提出的SST_Like网络模型在3个HSI开放数据集上的实验结果表明,与传统基于CNN的HSI分类算法相比,可以提取更加深层的、判别性的特征,具有较高的分类性能。

关键词： vgg网络高光谱图像分类 Transformer 空谱联合特征提取

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

基于改进vgg网络的图像分类方法研究

基于改进VGG网络的图像分类方法研究

作者：张天宝安徽理工大学

学位级别：硕士

图像分类问题是计算机视觉中的一个基本问题,它主要是根据图像的特征信息对不同类型的图像进行分类。在图像分类的模型中,vgg网络模型是经典的深度神经网络模型之一。但随着网络层数的不断加深,目前深度神经网络在针对不同的图像分类上... 详细信息

图像分类问题是计算机视觉中的一个基本问题,它主要是根据图像的特征信息对不同类型的图像进行分类。在图像分类的模型中,vgg网络模型是经典的深度神经网络模型之一。但随着网络层数的不断加深,目前深度神经网络在针对不同的图像分类上还存在两个问题:第一,在少样本学习中,如在航天、军事等领域,因为相关数据较少或者法律限制等原因仅能获得有限的数据,导致由于数据量不足造成的过拟合问题;第二,在细粒度图像分类中,难点在于如何有效的辨别和定位图像的关键信息,并且从中提取特征值,由于细粒度图像类内的差异较少,类间差异较大等问题,导致细粒度图像在分类过程中不能保持一个良好的准确率。本文就上述两个问题,进行了一些研究,主要工作如下:(1)提出了一种基于多层次滤波器的vgg网络结构模型来针对少样本图像分类中数量较少的问题,在该网络模型中获取图像的形状和纹理等特征信息的时候分别使用1×1、3×3和5×5的多层次滤波器组从多个角度获取特征信息。在池化层之前引入批归一化处理,以便于缓解梯度消失、加快学习速率、增加模型的鲁棒性、保证梯度不会依赖于参数的缩放,从而抑制了参数在神经网络传递中被放大的情况。通过四组数据的测试表明该网络模型对比与其他模型有更好的准确率以及更小的损失值,同时该方法也能在一定程度上减小网络模型的复杂性。(2)提出了一种基于多级权重标记集的vgg网络模型的图像分类方法针对细粒度图像分类中由于类内差异小、分类精度不高等问题。首先在vgg网络中的不同卷积层根据特征值的不同分别添加一个相应的权值,使其能够得到最大程度的语义成分;并将全连接层中的前两层等价替换为卷积层,减少网络模型的计算复杂度;最后在全连接层后引入带有多个分类标签的标记集,让网络模型在训练的时候能够通过一次传播进行多个类别的分类任务,从而来提高细粒度图像分类的准确率。通过对数据集的测试和与其他模型进行实验对比,验证了该方法可以有效地提高分类精度和降低网络的损失值。图[32]表[9]参[58]

关键词： vgg网络图像分类少样本学习细粒度图像滤波器组

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

改进vgg网络的人脸识别方法研究

改进VGG网络的人脸识别方法研究

作者：薛楠长春理工大学

学位级别：硕士

人脸识别作为生物识别的一个分支,在安防监控、移动支付等诸多领域被广泛应用。随着深度学习的兴起,基于卷积神经网络(convolutional neural network,CNN)的人脸识别模型层出不穷,但是大致上都分为两个步骤,先对人脸检测定位再进行识别... 详细信息

人脸识别作为生物识别的一个分支,在安防监控、移动支付等诸多领域被广泛应用。随着深度学习的兴起,基于卷积神经网络(convolutional neural network,CNN)的人脸识别模型层出不穷,但是大致上都分为两个步骤,先对人脸检测定位再进行识别。论文在经典人脸识别网络vggFACE(visual geometry group-face)和检测网络MTCNN(multi task convolutional neural network)的基础上进行优化,针对以下几方面进行了研究:1)研究了人脸数据集多样性不足的问题。当前主流的人脸识别数据库普遍以西方人为样本,数据库缺乏多样性会导致人脸识别模型对特定肤色和人种的人脸识别准确率过低。针对这一问题,论文从网上获取了3000张中国人的照片,结合对实验室同学采集的人脸图像,进行数据增强,从而实现数据库的补充。2)研究了小人脸间距情况下的人脸检测问题,并针对这一问题提出了BMTCNN模型。MTCNN兼顾了检测的速度与准确率,但是该网络在人脸间距较小的情况下检测效果明显下降,为解决这一问题,对MTCNN中的R-Net和O-Net进行改进,将这两个网络模块的NMS算法优化为better-NMS算法,即通过预测目标候选包围框与真实目标标注的Io U(交并比),并基于此与分类分数的乘积作为检测置信度,避免了对潜在人脸区域的漏检。实验结果表明BMTCNN在人脸小间距的情况下有良好的检测准确率,漏检率相较于MTCNN下降了5.9%。3)研究了降低模型参数同时保证识别准确率的问题,并针对性地提出了DvggFACE模型。vggFACE是一个19层的网络却包含91.4?10的参数,大量的参数不利于模型的抗过拟合能力,并且vggFACE的识别准确率对比当下的模型并不占优。针对上述问题,研究利用全局平均池化代替vggFACE中的全连接层大幅减少了参数量;利用密集连接技术对vggFACE进行改进,即对vggFACE中的卷积模块中的相同卷积层进行密集连接,使得网络中的每一层都能接受它前面的所有层的特征作为输入,从而提高了模型的识别准确率;对DvggFACE中的部分卷积层优化为深度可分离卷积得到BvggFACE。实验结果表明优化后的DvggFACE在提高识别准确率(相较于vggFACE提高了4.67%)的同时大幅减少了参数(相较于vggFACE减少了71.61%,参数量降低了一个量级)。论文最终实现了利用更少的参数实现更高的识别准确率,为模型向移动端移植奠定了基础。

关键词：人脸识别 vgg网络密集连接深度可分离卷积全局平均池化

基于SDP图像与vgg网络的转子耦合故障诊断研究

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

基于SDP图像与VGG网络的转子耦合故障诊断研究

作者：武海彬太原理工大学

学位级别：硕士

随着当代机械的大型化、自动化程度不断提高,当设备发生故障时,易造成重大的经济损失甚至是人员伤亡,所以对这些机械设备的安全性及稳定性要求也在提高。在风力电站发电设备中,转子作为核心部件,其安全稳定的运行是人员及经济的重要保证... 详细信息

随着当代机械的大型化、自动化程度不断提高,当设备发生故障时,易造成重大的经济损失甚至是人员伤亡,所以对这些机械设备的安全性及稳定性要求也在提高。在风力电站发电设备中,转子作为核心部件,其安全稳定的运行是人员及经济的重要保证,在发生故障时,必须及时对转子的振动信号进行故障识别,避免转子故障的进一步发展。传统的机器学习故障诊断方法通过对故障信号进行人工的特征提取及学习进而判断故障类型,但由于特征提取的不恰当及学习深度的不足而影响了机器学习方法对故障类型的诊断精度。针对传统旋转机械转子故障诊断方法在特征提取及诊断精度等方面的不足,提出了基于对称点模式(Symmetry Dot Pattern,SDP)图像特征信息融合与深度学习Visual Geometry Group Network(vgg)相结合的转子故障诊断方法。利用SDP分析方法将一维时域信号转化为极坐标系中的SDP图像,故障信号间的差异以图像的方式进行表达。深度学习vgg网络可自适应提取、学习故障SDP图像的特征,通过对故障SDP图像的类别进行判别实现故障诊断,避免了人工特征提取不足对故障诊断精度的影响。首先,建立了基于SDP图像与vgg网络的转子单一故障诊断模型。采用SDP信息融合技术对转子故障状态下的多通道振动信号进行信息融合,通过SDP图形特征可简单直观的区分不同转子故障振动状态。结合深度学习vgg网络自适应提取SDP图像的特征信息,对不同故障转化的SDP图像实现准确的诊断识别,进而判别故障类型。通过转子试验台实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)相比较在识别精度上高于后者。其次,建立了基于SDP图像与vgg网络的转子不平衡故障程度诊断模型。通过在转盘上添加不同数量的螺钉模拟不同程度的转子不平衡故障并采集振动信号,故障信号转化为SDP图像后可清晰的表达不同转子故障程度间的差别;将故障SDP图像作为vgg网络的输入图像,vgg可自适应提取及学习SDP图像中的特征,通过对vgg网络中的参数优化,该模型可实现4种不同程度转子不平衡故障的诊断识别,为故障早期发现及故障阶段判别提供了参考。最后,针对旋转机械转子耦合故障受故障类型、故障程度及故障发展阶段的影响,在时频分析过程中难以准确判别耦合故障类型的问题,提出了基于SDP图像与vgg网络的转子耦合故障诊断方法。通过试验台进行转子耦合故障的模拟及信号采集,耦合故障信号的SDP图像可简单、直观的表达了耦合故障之间的差异;结合vgg网络的特征提取及学习能力,对SDP图像进行分类识别。通过优化vgg网络中的参数,实现了转子耦合故障的高精度诊断。

关键词：深度学习 vgg网络转子单一故障诊断转子故障程度诊断转子耦合故障诊断

基于vgg网络的轻量化小型水下构筑物探伤模型

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

兵工自动化 2023年第8期42卷 61-64,96页

作者：冯家乐陆伟陈玮杨雪南京工程学院创新创业学院南京211100

针对水下构筑物伤痕形态随机多变,特征提取困难,导致水下探伤识别精度较低的问题,提出一种基于视觉几何组(visual geometry group,vgg)网络的轻量化小型vgg(lite small visual geometry group,LSvgg)模型。采用经典vgg网络结构,减少卷... 详细信息

针对水下构筑物伤痕形态随机多变,特征提取困难,导致水下探伤识别精度较低的问题,提出一种基于视觉几何组(visual geometry group,vgg)网络的轻量化小型vgg(lite small visual geometry group,LSvgg)模型。采用经典vgg网络结构,减少卷积层和提高特征数量的方法在保证识别精度的前提下降低运算时间和系统开销。实验结果表明:该LSvgg模型可以部署在小型无缆水下机器人(autonomous underwater vehicle,AUV)上,具有较高水下构筑物探伤识别精度;与传统模型相比,水下构筑物探伤识别精度提高了近一倍,识别准确率高达99.7%。

关键词： vgg网络轻量化水下构筑物探伤

在线全文

学校读者我要写书评

暂无评论

基于vgg网络的少样本图像分类方法研究

电脑知识与技术 2024年第17期20卷 6-10页

作者：王国明李苗苗安徽理工大学计算机科学与工程学院安徽淮南232001

图像分类是计算机视觉领域的热门研究之一。然而,深度神经网络在面对少样本学习时,可能因数据量不足导致过拟合等问题。为此,提出了一种基于vgg网络模型的多层次滤波器方法(Ivgg)。首先,在vgg网络中引入滤波器组,通过采用1×1、3×3和5... 详细信息

图像分类是计算机视觉领域的热门研究之一。然而,深度神经网络在面对少样本学习时,可能因数据量不足导致过拟合等问题。为此,提出了一种基于vgg网络模型的多层次滤波器方法(Ivgg)。首先,在vgg网络中引入滤波器组,通过采用1×1、3×3和5×5多层次滤波器组,从多个角度获取图像的形状和纹理等特征信息,从而避免单一滤波器的不足。然后,在卷积层之后引入批归一化处理,可缓解梯度消失、增加模型鲁棒性和学习速率。通过在四种数据集上的对比实验,结果表明,Ivgg与DN4、MACO和CovaMNet方法相比,对少样本图像的分类准确率提高了0.82%~1.87%,并且损失值降低了0.02~0.18。证明该方法在处理少样本图像分类中具有更高的准确率与更低的损失值,同时能一定程度上减小网络模型的复杂度。

关键词： vgg网络图像分类少样本学习滤波器组批归一化

基于结构-纹理分解和vgg深层网络的红外与可见光图像融合

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2023年第2期60卷 117-127页

作者：杨飞燕王蒙昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

针对当前红外与可见光图像融合方法中存在低频信息未充分利用,以及高频细节易混入噪声等问题,提出一种基于结构-纹理(ST)分解和vgg深层网络的红外与可见光图像融合方法。首先用均值滤波将输入图像分解为高-低频子带,并引入ST对低频子带... 详细信息

针对当前红外与可见光图像融合方法中存在低频信息未充分利用,以及高频细节易混入噪声等问题,提出一种基于结构-纹理(ST)分解和vgg深层网络的红外与可见光图像融合方法。首先用均值滤波将输入图像分解为高-低频子带,并引入ST对低频子带二次分解,采用平均法则与邻域空间频率分别对结构和纹理进行预融合;同时,将输入图像送入vgg网络得到多层特征映射,并用Sigmiod函数实现高频子带的归一化预融合;最后利用预融合的高频、低频结构和低频纹理3个频带进行图像融合重建。实验结果表明,提出的方法能够融合图像的深层细节特征,有效保留纹理细节并抑制噪声,且在噪声评估、结构相似性、均方误差、峰值信噪比等客观指标方面具有明显优势。

关键词：图像处理图像融合红外图像可见光图像结构-纹理分解 vgg网络