期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于深度学习的猫狗细粒度识别方法
1
作者 石鑫雨 方虹苏 《山东工业技术》 2024年第6期49-56,共8页
随着国内宠物市场不断发展扩大,细粒度猫狗识别对于宠物管理与监控等方面具备重要的研究意义。基于此,本文提出了一种基于YOLOv8与改进ShuffleNet-V2的猫狗细粒度识别方法。首先,利用YOLOv8算法的Backbone对猫狗图像进行特征提取,以实... 随着国内宠物市场不断发展扩大,细粒度猫狗识别对于宠物管理与监控等方面具备重要的研究意义。基于此,本文提出了一种基于YOLOv8与改进ShuffleNet-V2的猫狗细粒度识别方法。首先,利用YOLOv8算法的Backbone对猫狗图像进行特征提取,以实现对猫狗品种的准确分类,可达到较高的品种分类准确率。其后,提出了一种结合ECA注意力的ShuffleNet-V2轻量级孪生网络,通过特征学习可准确捕捉猫狗个体之间的细微差异,以达到对猫狗个体的准确识别。为验证算法的有效性,通过公开数据集及网络搜集的方式构建了猫狗品种分类及个体识别数据集,同时通过多个量化指标来对算法进行评估。实验结果表明,YOLOv8分类网络的Top1准确率可达88.1%,Top5准确率可达98.6%;孪生网络在结合ECA注意力机制后,在训练集、验证集及所构建的测试对上的准确率分别为90.8%、92.8%及92.6%。最后,通过猫狗细粒度识别可视化并结合用户友好UI界面,进一步论证了所提出方法的有效性。 展开更多
关键词 深度学习 猫狗识别 YOLOv8 ShuffleNet
在线阅读 下载PDF
基于SSD_MobileNet_v1网络的猫狗图像识别 被引量：4
2
作者 孙彦 丁学文 +2 位作者 雷雨婷 陈静 孔祥鑫 《天津职业技术师范大学学报》 2020年第1期38-44,共7页
针对传统卷积神经网络对猫狗图像识别效果差的问题,构建了一种基于SSD_MobileNet_v1目标检测模型的猫狗图像识别方法。通过采集猫狗图像,创建数据集,对图像进行增强、标注等预处理,以消除噪声对识别的影响。在TensorFlow平台下,运用Mobi... 针对传统卷积神经网络对猫狗图像识别效果差的问题,构建了一种基于SSD_MobileNet_v1目标检测模型的猫狗图像识别方法。通过采集猫狗图像,创建数据集,对图像进行增强、标注等预处理,以消除噪声对识别的影响。在TensorFlow平台下,运用MobileNet提取特征,通过RPN区域建议生成特征区域,将此特征区域输入到SSD网络进行训练,应用训练好的SSD_MobileNet_v1模型对测试图像进行分类判别并得到识别结果。实验结果表明:该构建方法目标定位准确,识别准确率达98.21%,并对存在背景干扰的图像具有良好的鲁棒性。 展开更多
关键词 猫狗图像识别 SSD_MobileNet_v1 图像预处理 目标检测 区域建议
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部