检索结果-南通市图书馆

基于优化resnet的输电线路航拍图像分类方法

在线全文

学校读者我要写书评

暂无评论

应用科技 2021年第2期48卷 64-68页

作者：李弘宸杨忠姜遇红韩家明赖尚祥张秋雁南京航空航天大学自动化学院江苏南京211106 南京航空航天大学无人机研究所江苏南京211106 贵州电网有限责任公司贵州贵阳550000

图像分类算法常被搭载在无人机系统中,以剔除无人机巡线过程中采集到的大量无用数据。针对这一问题,本文在分析了无用图像及有用图像特征的基础上,提出了一种基于卷积神经网络的输电线路智能图像筛选方法。收集无人机巡检捕捉到的航拍图... 详细信息

图像分类算法常被搭载在无人机系统中,以剔除无人机巡线过程中采集到的大量无用数据。针对这一问题,本文在分析了无用图像及有用图像特征的基础上,提出了一种基于卷积神经网络的输电线路智能图像筛选方法。收集无人机巡检捕捉到的航拍图像,并以此为基础建立了一个输电线路航拍数据集,基于resnet优化并利用航拍图像数据集训练该网络,经过多次迭代训练保留最优权重,通过加载最优权重的神经网络对测试样本进行分类,精确度达到99.00%。

关键词：无人机巡线输电线路深度学习图像分类卷积神经网络 resnet 分组卷积网络轻量化

基于resnet++网络的面波频散曲线自动拾取

在线全文

学校读者我要写书评

暂无评论

基于Resnet++网络的面波频散曲线自动拾取

2020年中国地球科学联合学术年会

作者：宋卫宾陈晓非南方科技大学

1、引言随着大数据时代的到来,基于数据科学的方法与技术得到广泛地发展。其中,深度学习在各行各业中得到了充分的应用。高阶面波频散曲线的拾取是利用面波信息反演地下地层结构参数的关键(Lei Pan et al., 2019)。但是,传统拾取频散曲... 详细信息

1、引言随着大数据时代的到来,基于数据科学的方法与技术得到广泛地发展。其中,深度学习在各行各业中得到了充分的应用。高阶面波频散曲线的拾取是利用面波信息反演地下地层结构参数的关键(Lei Pan et al., 2019)。但是,传统拾取频散曲线的方法为人工拾取,而人工拾取频散点会耗费大量的时间和精力。本论文中提出了一种基于resnet++网络的频散曲线自动拾取方法。该方法可以节省面波反演研究人员大量的时间和精力,为面波频散曲线自动化拾取奠定了基础。

关键词：面波频散曲线高阶面波 resnet

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于resnet的大坝变形预测研究

长江信息通信 2023年第6期36卷 120-123页

作者：黄先亮李冰徐笑笑江西理工大学土木与测绘工程学院江西赣州341411 江西应用技术职业学院江西赣州341004 自然资源部南海调查中心广东广州510300

为提高大坝变形预测模型的性能,提出将基于残差神经网络模型(resnet)引入大坝变形预测领域,建立基于resnet的大坝变形预测模型。以丰满大坝坝30#坝段1985-01-04~1988-07-13共200期监测数据为例,将全连接神经网络、传统卷积神经网络与本... 详细信息

为提高大坝变形预测模型的性能,提出将基于残差神经网络模型(resnet)引入大坝变形预测领域,建立基于resnet的大坝变形预测模型。以丰满大坝坝30#坝段1985-01-04~1988-07-13共200期监测数据为例,将全连接神经网络、传统卷积神经网络与本文resnet进行实验对比。研究表明,文章基于resnet的大坝变形预测模型收敛速度快、预测精度高,可为大坝监测数据分析提供参考。

关键词：大坝变形预测 resnet

基于resnet和Transformer的早期肺癌诊断算法

在线全文

学校读者我要写书评

暂无评论

长江信息通信 2024年第4期37卷 32-35页

作者：郑经一三峡大学湖北宜昌443002

肺癌的早期诊断对于提高患者的存活率具有关键性作用。通过计算机辅助诊断系统进行肺部影像的分析,可以帮助医生及早发现病变。文章提出了一个结合resnet和Transformer的深度学习框架,用于CT图像中的肺结节检测和分类,从而实现早期肺癌... 详细信息

肺癌的早期诊断对于提高患者的存活率具有关键性作用。通过计算机辅助诊断系统进行肺部影像的分析,可以帮助医生及早发现病变。文章提出了一个结合resnet和Transformer的深度学习框架,用于CT图像中的肺结节检测和分类,从而实现早期肺癌的自动诊断。我们首先进行数据增强,然后利用Res-Net强大的特征提取能力来获取图像的深层特征,同时引入Transformer来捕获特征间的长范围依赖关系,增强模型对肺结节微小变化的识别能力。实验结果表明,该算法能有效提高早期肺癌检测的准确性和灵敏度。

关键词：肺癌早期诊断计算机辅助诊断 resnet Transformer 深度学习

基于resnet和ViT双流网络的小麦病虫害识别

在线全文

学校读者我要写书评

暂无评论

农业技术与装备 2024年第2期 18-21页

作者：王汉生姚建斌华北水利水电大学河南郑州450046

针对小麦病虫害识别过程中,传统深度学习模型表现不稳定、识别精度低、泛化能力有限的现状,提出了新的双流网络模型,即结合resnet和ViT以提高识别准确性。该方法融合了卷积神经网络处理图像局部结构,同时利用Transformer捕捉长距离依赖... 详细信息

针对小麦病虫害识别过程中,传统深度学习模型表现不稳定、识别精度低、泛化能力有限的现状,提出了新的双流网络模型,即结合resnet和ViT以提高识别准确性。该方法融合了卷积神经网络处理图像局部结构,同时利用Transformer捕捉长距离依赖关系,改进了识别性能。通过2070张小麦病虫害图片数据集训练验证,调整resnet50和ViT预训练模型参数,结果显示,双流模型在训练集上达96.5%准确率,在验证集获0.94的F_(1)分数,明显优于其他主流单一模型。结果证实,新模型在小麦病虫害识别卓越性能,为其在智能农业系统中广泛应用提供潜力。

关键词：小麦病虫害识别 resnet ViT 双流网络深度学习

基于LSTM-resnet模型的肺部肿瘤图像分割算法研究

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2024年第6期14卷 236-239页

作者：陈宁山东劳动职业技术学院信息工程系济南250300

肺癌是一种高发病率和高死亡率的恶性肿瘤,肺部CT图像的精准分割是肺癌患者病情诊断和治疗的有效途径。针对肺部肿瘤CT图像分割中存在肺肿瘤与周围组织对比度低、肺肿瘤边缘模糊和形状、大小及位置各不相同等问题,提出了一种基于LSTM和R... 详细信息

肺癌是一种高发病率和高死亡率的恶性肿瘤,肺部CT图像的精准分割是肺癌患者病情诊断和治疗的有效途径。针对肺部肿瘤CT图像分割中存在肺肿瘤与周围组织对比度低、肺肿瘤边缘模糊和形状、大小及位置各不相同等问题,提出了一种基于LSTM和resnet的组合模型LSTM-resnet用于从肺部CT图像中准确地检测和分割肺肿瘤。实验结果表明本文方法能够精准分割出肺部CT图像中的肺肿瘤,满足临床诊断治疗和病理学分析研究的要求。

关键词：图像分割肺肿瘤CT图像 LSTM resnet

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resnet的示功图分类算法研究

计算机技术与发展 2024年第8期34卷 197-201页

作者：李建平董永杨宋明会东北石油大学环渤海能源研究院河北秦皇岛066004 东北石油大学计算机与信息技术学院黑龙江大庆163318 中国石油集团长城钻探工程有限公司录井公司辽宁盘锦124010

示功图是反映抽油机井工作状态的重要图示,通过分析示功图的闭合曲线形状,可以得出抽油机井的具体工作状态,从而可以判断出抽油机井是否发生故障以及具体的故障类型。随着深度学习的发展,基于深度神经网络的示功图分类也逐渐应用到了抽... 详细信息

示功图是反映抽油机井工作状态的重要图示,通过分析示功图的闭合曲线形状,可以得出抽油机井的具体工作状态,从而可以判断出抽油机井是否发生故障以及具体的故障类型。随着深度学习的发展,基于深度神经网络的示功图分类也逐渐应用到了抽油机井工况检测当中。该文提出了基于改进resnet的示功图分类算法,通过优化残差结构和引入SE子结构等措施,提高了分类准确性和鲁棒性。改进的残差结构嵌入了SE子结构,对输入特征进行降维的同时也减小了参数的数量,在降低计算量的同时也添加了更多非线性因素,通过不断增加有效特征的权重,不断减小无效特征的权重,进而完成了特征重标定,不仅起到加速网络收敛的作用,也使模型更加轻量化,从而提高了模型的性能。相较于其它模型,改进的resnet模型可以更好地适应示功图分类任务,分类效果更好。实验结果表明,基于改进resnet的示功图分类算法在精确率、召回率和F1值上均优于其它示功图分类算法。该研究为抽油机井工况检测系统提供了更好的理论支持。

关键词：抽油机井示功图深度学习 resnet SE子结构

基于改进YOLOv5-resnet的海上舰船SAR图像快速检测

在线全文

学校读者我要写书评

暂无评论

宇航计测技术 2024年第2期44卷 52-59页

作者：龙昊张思佳周晶王冠海军大连舰艇学院作战软件与仿真研究所大连116018 大连海洋大学信息工程学院大连116018 空军通信士官学校大连116600

在恶劣天气和海浪等自然因素的影响下,基于可见光数据进行舰船目标监测等手段往往难以有效开展,需要借助主动式微波成像卫星合成孔径雷达(SAR)进行图像解译。为了解决深度学习在处理数据集较小图像上无法准确提取特征及数据相似度较高... 详细信息

在恶劣天气和海浪等自然因素的影响下,基于可见光数据进行舰船目标监测等手段往往难以有效开展,需要借助主动式微波成像卫星合成孔径雷达(SAR)进行图像解译。为了解决深度学习在处理数据集较小图像上无法准确提取特征及数据相似度较高的问题,基于YOLOv5-resnet提出了一种跨尺度融合机制,重新定义损失函数。研究表明,识别SAR舰船目标的准确率有一定的提升:识别单目标舰船检测最高准确度达到93%,同比YOLOv5提升4%,比YOLOv5-resnet50提升20%;在近岸舰船目标检测上,有效降低了由于数据集质量不佳、模型训练方法不当等造成误差率的非必要上升。

关键词：合成孔径雷达图像星载SAR图像舰船目标检测 YOLOv5 resnet 跨尺度融合

基于resnet34-UNet的静脉超声图像分割方法研究

在线全文

学校读者我要写书评

暂无评论

临床超声医学杂志 2022年第1期24卷 74-78页

作者：秦志远朱峻泷张琛丁思琪丛瑞宋威江南大学人工智能与计算机学院江苏省无锡市214122

静脉超声图像存在噪点多、阈值分割效果不佳的问题,对此本研究提出一种基于resnet34主干网络的resnet34-UNet分割网络模型,利用resnet34网络残差学习的结构特点,在保证网络能够提取充足图像特征的前提下,有效避免梯度消失和网络退化问题... 详细信息

静脉超声图像存在噪点多、阈值分割效果不佳的问题,对此本研究提出一种基于resnet34主干网络的resnet34-UNet分割网络模型,利用resnet34网络残差学习的结构特点,在保证网络能够提取充足图像特征的前提下,有效避免梯度消失和网络退化问题,且34层的网络深度维持了较小的网络规模;利用U-Net结构特有的长连接模块,将静脉超声图像的深层特征与浅层特征有效融合,使对静脉的识别精度得到较大幅度的提升,实现了静脉边缘的平滑分割。将300张静脉超声图像作为训练集,200张作为测试集,通过随机旋转、翻转、投影等操作进行数据集的增强,经过10轮迭代训练后得到模型的准确率达96.3%,较全卷积神经网络高5.9%,较DeepLab v3+高5.2%。结果表明基于resnet34-UNet的分割方法能够准确地分割静脉超声图像,为后续超声影像下静脉的自动识别与跟踪提供了技术参考。

关键词：超声图像静脉自动分割 resnet U-Net