共查询到20条相似文献,搜索用时 11 毫秒
1.
2.
王勇 《电子技术与软件工程》2021,(4):133-136
本文提出一种基于颜色聚类的三重注意力分类网络识别苔色的方法,这种方法不仅可以量化苔色类型,同时可以在不需要额外人工标注的前提下准确定位舌苔的分布位置,更符合中医舌诊的要求。通过实验发现我们的方法更容易收敛且具有更高的准确率,同时我们的方法也适用于舌色识别。 相似文献
3.
4.
5.
自然环境中的鱼类形状种类繁多且易受到不同光线和背景环境影响,导致一些传统的基于颜色纹理或特征点提取的鱼类识别算法识别精度降低,达不到良好的分类效果.针对这一问题,文中在已有的AlexNet卷积神经网络的基础上,减少了部分冗余卷积层以加快模型训练速度.将基于项的柔性注意力算法应用于改进后的AlexNet卷积神经网络模型,... 相似文献
6.
张涛 《智能计算机与应用》2022,12(4):47-53
随着社会经济的飞速发展和人们物质生活水平的不断提高,所产生垃圾的种类和数量也在大幅增加,为了有效提高垃圾资源的回收利用率和垃圾分类智能化水平,本文提出了基于GAICNet的智能垃圾识别分类检测网络.使用华为云人工智能大赛公开的数据集,对训练集使用LabelImage软件进行标注,然后为了扩大训练数据,强化网络模型对普通... 相似文献
7.
从火焰的颜色特征出发,综合考虑已有颜色模型的优缺点,提出一种改进的基于颜色模型的火灾检测方法.首先结合HSI颜色模型和YCbCr颜色模型对火灾图像进行预处理提取出可能火焰区域,然后在HSI空间上采用颜色空间距离法去除噪声.实验结果表明,该方法提高了火灾图像识别的准确度,并能在一定程度上消除干扰,具有较好的适用性. 相似文献
8.
针对深度学习下的图像识别技术,研究了图像识别和卷积神经网络的工作原理。分析了AlexNet模型、ResNet模型、MobileNet模型的卷积神经网络模型,以及三种算法模型的各自特点,实现了深度学习环境的搭建,通过实验对比三个模型的分类准确率和训练效率,为深度学习下的图像识别算法研究提供参考。 相似文献
9.
针对输电线路上多种异物所引起的电力巡检问题,可以采用深度学习图像识别方法进行检测。文中提出了一种改进型轻量级网络检测算法模型,通过将YOLOv4的主干特征提取网络替换为轻量级神经网络GhostNet,减少图片输入时计算所产生的特征图冗余;对YOLOv4的PANet模块进行修改,采用深度可分离卷积模块替换其中的普通卷积模块,可减轻参数计算量。结果表明,相比于原YOLOv4检测算法,该改进型算法在IOU阈值取0.5时,平均精准度下降2.1%,但检测速度达到了原算法的2.21倍,参数计算量仅为原算法的17.84%。与其他几种算法的对比表明新算法的参数指标表现满足需求。在维持较高精确度的情况下,文中所提算法的检测速度得到提升,计算量减少,证明了其在目标检测时的有效性与可行性。 相似文献
10.
11.
12.
13.
钱茹雪 《信息技术与信息化》2022,(3):210-213
针对深度学习中图像识别模型的训练需要大量的数据集,同时由于受花朵的花期影响,短时间内难以收集到足够用于训练的样本问题,提出一种基于深度神经网络迁移学习的花朵识别分类的方法,达到在少量数据情况下完成模型训练的效果.首先将收集的花朵数据集图像进行随机剪裁和归一化处理;其次在ResNet34(residual neural ... 相似文献
15.
16.
17.
通过对几种常用均衡算法的比较,确定高速突发传输中使用收敛速度较快、运算量较小的VLMS均衡算法。为降低高速突发信号中的训练序列开销,提高传输效率,提出了一种新的混合结构均衡方案。新方案充分利用数据辅助均衡与盲均衡的各自特点,将均衡过程分成两个阶段,数据辅助均衡阶段为盲均衡阶段提供一个足够精确的初始值,引导盲均衡实现快速收敛。仿真结果表明,该混合结构均衡方案能利用短训练序列实现收敛,而且能达到较好的性能。 相似文献
18.
本文根据羊不同行为的特征,提出一种基于改进卷积神经网络的羊行为识别方法。构建卷积核尺寸全部为3×3的卷积神经网络(Convolutional Neural Networks, CNN);使用缩放指数线性单元(scaled exponential linear units,SeLU)为激活函数,使网络具有自归一化功能;以最大池化(max pooling)为下采样;在全连接层中采用丢弃(Alpha dropout)操作提高网络泛化能力,使用余弦退火动态学习率进行动态微调;进一步使用softmax分类器作为网络输出,最终构建出羊行为识别网络模型。实验结果表明:本文方法对羊进食行为识别准确率达到90.30%,站立行为识别准确率达到94.16%。坐卧行为识别准确率能达到91.90%。该模型能够实现羊不同行为的监测,且有较高的准确性,有助于提高畜牧管理效率和养殖智能化水平。 相似文献
19.
针对当前小型无人机目标图像识别方法准确率较低的问题,提出了一种基于迁移集成学习的无人机图像识别算法。首先,基于AlexNet、VGGNet-19、Inception-V3以及ResNet-50四种结构具有差异的卷积神经网络对源数据集进行预训练,获取图像的深层次特征;然后,对目标数据集进行迁移学习,得到目标的分类特征,构建分类模型;之后,采用相对多数投票法和加权平均法的集成学习方法,对分类模型进行集成得到迁移集成模型。构建了一个包含小型无人机图像、飞鸟图像以及直升机图像的图像数据集UavNet,在对数据集进行数据增强的基础上开展了图像识别算法性能实验,结果表明,算法对多类目标的识别准确率为99.42%,无人机类目标识别的F1-score指标为99.12%,优于主流的卷积神经网络方法和传统的支持向量机方法,具有一定的理论意义和应用价值。 相似文献