检索结果-南通市图书馆

基于注意力机制和卷积网络的服装分类方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力机制和卷积网络的服装分类方法研究

作者：张赛赛江西理工大学

学位级别：硕士

服装分类任务旨在提取服装图像的判别性特征,并通过分类器预测其类别概率。随着电子商务平台的飞速发展,基于计算机视觉的服装分类方法广泛应用于服装检索、服装时尚预测、服装识别、服装推荐等多个领域。近年来,随着深度学习技术的发... 详细信息

服装分类任务旨在提取服装图像的判别性特征,并通过分类器预测其类别概率。随着电子商务平台的飞速发展,基于计算机视觉的服装分类方法广泛应用于服装检索、服装时尚预测、服装识别、服装推荐等多个领域。近年来,随着深度学习技术的发展和卷积网络的提出,服装分类的性能得到大幅提升。本文从服装分类的理论研究出发,在服装分类的发展和研究现状的基础上,主要做了如下三方面工作:（1）首先以特征提取方式为依据,分别从传统特征提取方法和基于深度学习的方法展开服装分类研究综述。其次,介绍了六个主流的公共服装数据集,并选取了其中三个常用的服装数据集,用于分析比较一些具有代表性的服装分类方法。最后,讨论了服装分类领域的研究现状和目前存在的问题,并对未来服装分类的研究方向进行了展望。（2）针对现有的服装分类方法对背景噪声敏感,对多尺度特征表达能力不足等问题,本文提出了一种结合注意力机制的多尺度深度卷积网络模型（MCAinception）。受inception v3网络结构启发,本文在各inception模块中增加不同尺度大小的卷积核,实现多尺度感受野下的区域感知,同时也丰富了特征的上下文细节信息。此外,本文方法在改进后的主干网络中嵌入CBAM注意力模块,以抑制杂乱背景等噪声信息的干扰,同时增强模型对重要信息的表达能力。在Deep Fashion和ACS数据集上的实验结果表明,所提方法相比基准网络的分类精度分别提升了4.02%和4.82%,证明了所提方法能够有效提高模型的分类精度。（3）针对服装分类中提取关键特征过程繁琐,计算量大,且易忽略空间邻域相关性等问题,本文提出了一种基于COT注意力残差网络服装分类模型,目的是为了在提升分类准确率的同时减小网络模型的参数与计算量。该模型以Res Net101为主干网络,将COT注意力块集成到每个残差块中,替换网络中所有的3×3卷积核,从而构建基于COT注意力的残差网络。COT模块通过多头注意力机制的卷积运算,充分利用相邻键的丰富上下文信息来获得注意力矩阵的学习,这使得残差网络能够进一步聚焦图像的判别性区域,同时又使得整体网络模型易于训练。在Deep Fashion和ACS数据集上的实验结果表明,所提方法相比基准网络具有更少的模型参数和计算量以及更高的识别精度。

关键词：服装分类注意力机制 inception v3 Res Net101 卷积神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的手骨X光片骨龄辅助检测

基于深度学习的手骨X光片骨龄辅助检测

作者：苏叶南京师范大学

学位级别：硕士

骨龄(Bone Age)是骨骼年龄的简称,能够反映人类个体的生长发育水平和成熟程度。由于手腕部骨骼发育情况能够代表全身骨骼情况,并且该部位拍摄X光片时人体受到的辐射损伤最少,因而成为骨龄评价应用的主要部位。手骨骨龄检测被广泛应用在... 详细信息

骨龄(Bone Age)是骨骼年龄的简称,能够反映人类个体的生长发育水平和成熟程度。由于手腕部骨骼发育情况能够代表全身骨骼情况,并且该部位拍摄X光片时人体受到的辐射损伤最少,因而成为骨龄评价应用的主要部位。手骨骨龄检测被广泛应用在临床医学、法医学和运动医学等领域中。利用手骨X光片进行骨龄预测一直是国内外学者研究人类生长发育方向的热点问题。针对传统骨龄识别方法中存在的弊端,本文提出了基于深度学习的、由inception v3和CBAM注意力机制构成的自动化骨龄预测方法。论文研究了骨龄X光图像的预处理、神经网络模型的训练、骨龄预测结果的可视化、以及远程骨龄辅助预测平台的设计,本文完成的主要研究工作及创新点如下:(1)本文采用了先分割、后图像增强的手骨X光片新的预处理方法,使手骨X光片图像成为高质量数据集,有利于训练得到优异的骨龄辅助预测模型。原始数据集图像存在曝光不当、前景背景灰度反差大以及背景中包含标尺、伪影等噪声信息,对图片整体进行增强往往无法得到理想结果。为了消除这些多余信息的干扰,突出与骨龄有关的主体部分,本文将手骨图像先通过U-Net网络分割去除背景,然后再对手骨主体部分进行局部灰度直方图均衡处理,最终得到大小统一、去除背景、手骨主体部分明暗分布均衡的图片。(2)为了实现较高精度的骨龄辅助预测,本文在基于inception v3神经网络模型基础上,做了两个创新改进:1.考虑到不同性别在骨骼发育的显著差异,除了手骨图像像素为模型输入之外,增加了性别通道的输入,并将分类任务改为回归的方式;2.将近年来出现的注意力机制模块(CBAM)与inception v3结合,设计了inceptionCBAM新型网络结构,提高了网络预测性能。(3)为了直观了解改进的网络预测模型所关注的手骨关节的重要区域,本文借鉴了应用于分类任务中的Grad-cam类激活映射方法,将其改造应用到回归任务中,产生了可解释的神经网络的可视化热力图。该热力图可以更好的向缺乏经验的医生展示判断该图像骨龄的关键区域,指导医生更快更准确的预测出结果。(4)设计并实现了将本文的骨龄预测模型部署到了云端,使得偏远地区医生能够便利的通过网络进行骨龄的辅助诊断。本文使用Flask框架尝试了简单的Web层应用开发,实现了一个简单的页面使用户能够上传影像并获取诊断的结果及关注区域热力图。

关键词：骨龄预测深度学习图像预处理 inception v3 CBAM

基于数字图像的马铃薯田间病虫害分类算法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数字图像的马铃薯田间病虫害分类算法的研究

作者：乔雪内蒙古农业大学

学位级别：硕士

马铃薯是新世纪以来在我国最为具有发展前景的高产经济作物之一,而马铃薯病虫害的频繁出现往往会直接导致其大量减产或者低产。及时发现并有效控制各种病害虫,对于确保马铃薯的正常生长和健康具有重要的作用。传统的人工检测和诊断方法... 详细信息

马铃薯是新世纪以来在我国最为具有发展前景的高产经济作物之一,而马铃薯病虫害的频繁出现往往会直接导致其大量减产或者低产。及时发现并有效控制各种病害虫,对于确保马铃薯的正常生长和健康具有重要的作用。传统的人工检测和诊断方法主要是依赖专家的肉眼观察,受主观因素影响较大。因受到空间限制,田间病害和虫害无法得到快速有效地检测,所以,利用图像处理技术对马铃薯的病虫害进行检测和诊断可以更好地满足农民对病虫害诊断与防治的需求。本文以马铃薯病虫害图像为研究对象,通过采用机器学习与深度学习方法提取关键特征,从而确认马铃薯病虫害种类。首先使用相机在田间进行图像采集,建立数据库。然后对图像进行预处理,并使用K-means聚类方法进行分割。最后利用改进的LBP和迁移学习方法提取马铃薯病虫害图像特征并进行分类。本文的主要研究内容和结论如下:（1）采集并建立马铃薯病虫害图像数据库。本文使用数码相机和手机摄像头等图像采集设备在田间进行图像采集,采集地点包括内蒙古自治区武川县、和林格尔县和察哈尔右翼中旗,采集病害3类、虫害4类,共1400幅原始图像。为进一步扩充图像数据库,对原始图像进行了旋转、翻转等操作,共计得到7000幅图像。（2）实现了一种基于G-R分量和K-means的马铃薯田间病虫害图像分割方法。田间采集的图片易受到光照、噪声等因素的影响且背景复杂,该方法可以准确地将目标区域从背景中提取出来,取得了较为理想的分割效果,为后续分类识别奠定了良好的基础。（3）实现了基于BILBP与CILBP的马铃薯田间病虫害图像分类实验。分别用两种方法提取经小波变换后得到的高频重构图像的纹理特征,并对其进行匹配分类。最终,与双线性插值LBP相比,三次插值LBP能够更加均匀地分配提取的特征向量,进而提高分类精确度。（4）实现了基于inception v3模型迁移学习的马铃薯田间病虫害图像分类实验。将马铃薯病虫害图像数据集导入预训练好的inception v3模型中,保留模型中的所有参数,重新训练最后一层,利用softmax分类器进行分类。通过实验,证明了基于inception v3模型迁移学习的方法对马铃薯病虫害图像分类研究的有效性。

关键词：马铃薯病虫害图像处理 K-means inception v3 迁移学习

基于卷积神经网络的中餐主食识别技术研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的中餐主食识别技术研究与实现

作者：王长冬南京理工大学

学位级别：硕士

伴随现代科技的快速发展,人工智能和人们的日常生活已经形成密切联系。衣食住行是人类的日常生活构成,其中尤以饮食是不可或缺的部分,因此在人工智能领域很多与饮食相关的研究开始变得热门。由于食物识别是其它与食物相关研究工作的前... 详细信息

伴随现代科技的快速发展,人工智能和人们的日常生活已经形成密切联系。衣食住行是人类的日常生活构成,其中尤以饮食是不可或缺的部分,因此在人工智能领域很多与饮食相关的研究开始变得热门。由于食物识别是其它与食物相关研究工作的前置基础,此课题是目前一个备受关注的研究领域。但现今大多数的食物识别技术研究都是针对外国食物和菜系,很少有涉及到中餐的识别技术研究。因此,本文研究的是一种针对中餐主食种类识别的图像识别技术,旨在将中餐主食识别技术应用于人们的日常生活。本文提出了一种基于卷积神经网络的中餐主食图像识别研究方法。针对数据中可能存在的干扰提出了一种自适应阈值的边缘检测方法对数据进行了处理,在调整的神经网络模型中完成训练,并将训练得到的新模型通过转换应用于中餐主食识别手机应用的开发。主要包含以下工作:(1)首先建立了中餐主食识别数据集,在此基础上针对数据集中各类数据量分布的差距进行了数据集增强,通过对原数据图像使用翻转、调节亮度等方式使各类的数据量达到近似均衡,增大了数据集规模,同时提升数据集的质量也是对训练模型识别能力的提升;(2)由于实际数据采集的多样性和不确定性,为防止输入中包含的背景干扰对神经网络的训练产生影响,提出了一种改进的自适应阈值检测方法对数据集进行处理。该方法很大程度上消除了背景干扰,提高了模型对中餐主食种类识别的泛化能力与准确度;(3)出于对所使用的数据集规模以及实际实验条件的考虑,为了追求更高的实验效率,采用参数量相对较少的inception v3模型完成主食识别任务,通过修改网络结构使其适用于本文的中餐主食识别任务。调节网络模型在构建的数据集上进行了实验,获得了较为满意的识别准确率,验证了自适应阈值边缘检测方法在本数据集上的可行性;(4)使用训练得到的模型进行量化转换得到适用于移动平台的模型,并于移动平台进行了中餐主食识别应用的开发,对应用测试进行了测试,得到了满意的效果。

关键词：中餐主食识别卷积神经网络 inception v3 边缘检测移动平台

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

手机端植物病害识别与严重程度估计

手机端植物病害识别与严重程度估计

作者：刘洋甘肃农业大学

学位级别：硕士

作物的病害是直接导致作物生长、减产的最重要因素之一。在传统的意义上,去检测农作物病害最常用的方法是由植保专家根据自己以往学习的经验对作物病症做出识别结果,但这种方法会受到识别人员主观性的限制,在精确度方面无法保证。随着... 详细信息

作物的病害是直接导致作物生长、减产的最重要因素之一。在传统的意义上,去检测农作物病害最常用的方法是由植保专家根据自己以往学习的经验对作物病症做出识别结果,但这种方法会受到识别人员主观性的限制,在精确度方面无法保证。随着数字图像识别技术的持续发展,人们开始把模式识别、计算机视觉等计算机技术开始应用到植物的种类识别中,植物病害识别程序主要运行在计算机端,无法在田间现场完成识别作物病害的任务,农民无法使用,造成高科技落地实施的困难。为了解决这个问题,本文研究了基于轻型卷积神经网络(CNN)的作物病害识别方法,训练了可部署在手机端的识别网络模型,开发了病害识别APP,农民可使用手机在农业现场直接使用,使得病害识别操作更方便。本文的主要研究工作如下:(1)基于轻型CNN的植物病害识别本文以Plant village数据库和自建数据库的病害叶片为对象进行研究,为实现手机端植物病害叶片检测,采用MobileNet和inception v3两种轻量卷积神经网络进行迁移学习,得到两种识别网络模型,将得到的两种网络模型分别移植到Android手机端,在识别精度、运算速度和网络尺寸之间进行平衡,选择最优模型。试验表明,MobileNet和inception v3在Plant village数据库(共38类26种病害)上平均识别精度(ACC)达到了95.02%和95.62%。在自建数据库葡萄病害叶片的识别中MobileNet和inception v3平均识别精度(ACC)达到了87.50%、88.06%,inception v3的整体识别精度略高,但MobileNet在所有类别的识别上均衡性更好;在模型尺寸方面inception v3的模型尺寸约是MobileNet的5倍;两种模型移植到手机端时,MobileNet和inception v3的APP所占内存分别是21.5M和125M;在手机端单张图片的识别时间方面,inception v3平均计算时间约是174ms,MobileNet的平均计算时间约是134ms,后者的平均计算时间比前者快40ms;在手机端MobileNet相比于inception v3占用内存更小,运算时间更快。说明MobileNet更适合在手机端进行植物病害识别应用。(2)叶片病害严重程度估计叶片病害严重程度估计通常需要分割出叶片和病害区域,计算出两者的面积来进行估计。但适合在手机上运行语义分割的深度模型很少,本文采用基于病斑检测的叶片和病害面积预测。该方法通过MobileNet＿ssd目标检测算法检测出叶片和病斑,将检测出的叶片与病斑的边界框尺寸分别与人工分割的叶片和病斑面积建立回归模型。MobileNet＿ssd可以部署在手机上,这样通过目标检测算法可以预测得到植物叶片和病斑面积,从而对叶片病害严重程度进行估计。实验表明该模型预测面积与实际区域拟合程度高,能很好地预测植物叶片病害程度。

关键词：植物病害 MobileNet inception v3 Android 图像识别目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

太阳活动区的自动识别研究

太阳活动区的自动识别研究

作者：李泠中国科学院大学(中国科学院国家空间科学中心)

学位级别：硕士

太阳活动区是太阳爆发活动的重要源区。活动区的快速识别和特征参量提取有助于及时、准确地预报太阳活动。随着众多大型太阳观测设备的投入使用,太阳观测数据急剧增加,手动识别太阳活动区已经不能满足太阳活动预报的及时性需求。实现太... 详细信息

太阳活动区是太阳爆发活动的重要源区。活动区的快速识别和特征参量提取有助于及时、准确地预报太阳活动。随着众多大型太阳观测设备的投入使用,太阳观测数据急剧增加,手动识别太阳活动区已经不能满足太阳活动预报的及时性需求。实现太阳活动区的自动快速识别已成为太阳活动预报的关键问题和技术基础。针对SDO/HMI高时空分辨率的活动区数据,本文:1.利用数学形态法,自动识别出黑子,并在识别基础上计算得到黑子群的面积和黑子数。将计算得到的黑子群面积和黑子数与NOAA/SWPC发布的活动区相应参量进行比较,发现本文计算结果与SWPC发布数据变化趋势基本一致、相关性较好,其中两者在黑子群面积上的相关系数为0.77,黑子数上的相关系数为0.79。2.在对活动区SHARP数据进行黑子识别的基础上,利用卷积神经网络方法中的inception v3模型开展了黑子群McIntosh类型的自动识别研究。通过对McIntosh分类中Z、p、c三个分量分别进行分类训练,模型得到Z分量的识别准确率为75.4%;p分量识别的准确率为79.2%;c分量识别的准确率82.2%。

关键词：活动区自动识别卷积神经网络 McIntosh分类 inception v3

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于迁移学习和标签相关性的多标签学习研究

基于迁移学习和标签相关性的多标签学习研究

作者：佘超伟湖南大学

学位级别：硕士

在多标签学习中,一个样本同时具有多个标签,如一张图片同时拥有“海洋”和“帆船”的标签。然而,在现有多标签学习方法中,多数方法仅仅考虑数据集中标签之间的依赖关系(局部标签相关性)或只考虑标签之间的语义相似度(全局标签相关性)。... 详细信息

在多标签学习中,一个样本同时具有多个标签,如一张图片同时拥有“海洋”和“帆船”的标签。然而,在现有多标签学习方法中,多数方法仅仅考虑数据集中标签之间的依赖关系(局部标签相关性)或只考虑标签之间的语义相似度(全局标签相关性)。事实上在多标签学习中,样本具有多个标签,而且局部和全局的标签相关性同时作用于实际应用,不应该局限于考虑成对标签的相关性,而忽略标签之间的高阶相关性。因此,本文提出一种新颖和有效的利用迁移inception v3模型结合局部和全局标签相关性GLLCBN(Global and Local Label Correlation Bayesian Network)网络模型的v-GLLCBN(v3-Global and Local Label Correlation Bayesian Network)多标签学习方法,详细的研究内容如下:(1)提出一种有效的利用迁移学习将图片单分类的inception v3模型迁移为实现多标签图片学习的新模型。考虑解决分类问题的关键点在于分类模型的性能,而inception v3卷积神经网络模型是由谷歌公司针对海量级图像分类训练而成。首先,本文使用模型迁移的方法将inception v3模型的卷积模块组之前结构迁移保存;然后,利用非对称结构代替对称结构的方法来自定义瓶颈层后的卷积层和线性结构模型;其次,通过分析数据集中标签集合的属性构造输出层;最后,将迁移保存的模型结合自定义分类模型生成一种多标签图片学习模型,并通过实验验证了该模型的便捷性和有效性。(2)提出一种新颖的基于局部和全局标签综合相关性的多标签学习方法(GLLCBN)。由于标签相关性往往容易被忽视,然而在实际中标签相关性具有潜在的价值。首先,本文通过分析数据集中样本标签空间的成对标签,获取成对标签的局部相关性和成对标签的依赖关系;然后,通过标签的语义相似度获得全局标签相关性并构建全局相关性矩阵;随后,利用局部和全局标签相关性构建初始标签相关性拓扑模型;其次,利用图论和概率论优化初始模型的冗余结构,获得最优标签相关性依赖GLLCBN模型(模型中节点表示标签,边表示标签间的综合相关性);最后,逐个注入标签输入源的标签到模型中实现多标签学习。(3)通过上述(1)和(2)模型的相结合,本文提出一种实现多标签图片的v-GLLCBN方法,其中(1)模型作为(2)模型的标签输入源。基于多标签学习的性能评估标准,通过实验设计和结果分析,验证了本文方法的稳定性和有效性。

关键词： inception v3 多标签学习局部和全局标签相关性卷积神经网络迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的魔芋病害识别

湖北农业科学 2022年第23期61卷 197-201,228页

作者：雷朦余顺园安康学院电子与信息工程学院陕西安康725000

魔芋在种植过程中易感染各种病害,为了对魔芋病害进行实时自动化监测,研究了基于机器视觉的魔芋病害自动识别算法。以inception v3为卷积神经网络算法理论模型,在深度学习开发环境下,采用神经元结构算法,以神经元为基本单位组建神经网络... 详细信息

魔芋在种植过程中易感染各种病害,为了对魔芋病害进行实时自动化监测,研究了基于机器视觉的魔芋病害自动识别算法。以inception v3为卷积神经网络算法理论模型,在深度学习开发环境下,采用神经元结构算法,以神经元为基本单位组建神经网络,实现了魔芋病害种类的识别。通过归一化和细化等预处理提升病害识别的精度和准确度,对模型内部及结果进行可视化处理以增加算法的实用性;在识别过程中通过调节各参数及层结构对模型进行优化,使模型能够较好地兼顾准确率和效率。测试结果表明,该算法能够实现常见魔芋的自动病害识别,准确率保持在90%以上。

关键词：魔芋病害卷积神经网络 inception v3 深度学习

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

基于深度学习的林火烟雾识别系统设计

中南林业调查规划 2023年第3期42卷 36-40页

作者：李梓铭石振威徐海文龙骏朱勇兵周国雄湖南森林草原防火监测调度评估中心湖南长沙431007 中南林业科技大学湖南长沙431018

通过构建林火烟雾数据集,选取inception v3模型,基于参数的迁移学习方法构建林火烟雾图像训练模型,经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上,对视频进... 详细信息

通过构建林火烟雾数据集,选取inception v3模型,基于参数的迁移学习方法构建林火烟雾图像训练模型,经过训练测试后得到模型在测试数据集识别率达到92%,最后运用Python语言编程将训练后保存下来的模型文件应用到林火烟雾视频上,对视频进行逐帧预测,并将预测结果可视化注释在视频上,达到视频监控的目的。将网络训练和视频监控分开,通过软件编程实现应用模型文件监测林火烟雾视频,较以往直接通过视频训练和预测的方法更方便快捷,实际可操作性更强,具有广泛的应用前景。

关键词：林火烟雾识别系统深度学习卷积神经网络 inception v3 Python