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7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：
基于改进的InceptionV3模型在肉牛体侧识别中的应用研究 被引量：1
1
作者 张宇 李宝山 +1 位作者 高迪 杜永兴 《内蒙古科技大学学报》 2024年第4期365-370,共6页
为了实现无接触,高精度复杂养殖环境下对无明显特征肉牛个体的有效识别,实验基于InceptionV3模型构建了结合迁移学习和改进网络结构的InceptionV3识别模型,利用该网络模型对肉牛体侧数据集进行训练。结果表明:基于改进的InceptionV3模... 为了实现无接触,高精度复杂养殖环境下对无明显特征肉牛个体的有效识别,实验基于InceptionV3模型构建了结合迁移学习和改进网络结构的InceptionV3识别模型,利用该网络模型对肉牛体侧数据集进行训练。结果表明:基于改进的InceptionV3模型对养殖场中肉牛的识别准确率为99.70%,具有较高的识别准确率。说明利用深度学习方法构建的算法模型对肉牛个体进行身份识别能满足养殖场的需求,可应用于肉牛个体识别领域。 展开更多
关键词 深度学习 肉牛个体识别 迁移学习 改进网络结构 inceptionv3
在线阅读 下载PDF
改进InceptionV3与迁移学习的太阳能电池板缺陷识别 被引量：5
2
作者 史册 南新元 《计算机工程与科学》 CSCD 北大核心 2023年第4期646-653,共8页
传统识别方法对太阳能电池板表面缺陷的识别准确率低、速度慢,针对该情况,提出一种基于改进InceptionV3与迁移学习的识别方法。首先对采集到的太阳能电池板图像进行预处理;其次采用平衡因子δ,引入了新损失函数来改进InceptionV3神经网... 传统识别方法对太阳能电池板表面缺陷的识别准确率低、速度慢,针对该情况,提出一种基于改进InceptionV3与迁移学习的识别方法。首先对采集到的太阳能电池板图像进行预处理;其次采用平衡因子δ,引入了新损失函数来改进InceptionV3神经网络,保证了网络的识别率;最后结合迁移学习方法建立缺陷识别模型,进一步提升性能。仿真结果表明,该方法有效提升了太阳能电池板的缺陷识别准确率和速度,其识别准确率高达96.43%,相较于传统InceptionV3模型提升了2.45%,平均分类时间缩短了4.5 ms,表明此方法取得了很好的效果,且具有广阔的应用前景。 展开更多
关键词 太阳能电池板 神经网络 损失函数 inceptionv3 迁移学习 缺陷识别
在线阅读 下载PDF
基于改进InceptionV3算法的小麦杂质识别研究
3
作者 林燕翔 沈印 李光林 《中国农机化学报》 北大核心 2024年第4期108-116,共9页
为解决传统人工识别小麦效率低、主观性高的问题,提出一种基于改进的CBAM-InceptionV3小麦杂质识别方法。搭建机器视觉在线检测平台采集动态图像数据,采用数据集增强、图像预处理和KS分类方法对小麦杂质图像进行处理;选用GoogLeNet、Res... 为解决传统人工识别小麦效率低、主观性高的问题,提出一种基于改进的CBAM-InceptionV3小麦杂质识别方法。搭建机器视觉在线检测平台采集动态图像数据,采用数据集增强、图像预处理和KS分类方法对小麦杂质图像进行处理;选用GoogLeNet、ResNet34、InceptionV3三种模型对图像数据集进行分类训练。以InceptionV3模型为基础,引入注意力机制CBAM,增强模型对信息的敏感度,提升模型的识别准确率。将改进卷积神经网络CBAM-InceptionV3模型与加入CA模块的CA-InceptionV3、InceptionV3两种模型进行对比试验。结果表明,InceptionV3模型在测试集上准确率为83.5%、F_(1)-Score为82.41%,CA-InceptionV3模型在测试集上准确率为92.3%、F_(1)-Score值为92.29%,CBAM-InceptionV3在测试集上准确率为92.9%、F_(1)-Score值为92.92%。CBAM-InceptionV3模型对测试集的平均预测时间为0.045张/s,明显优于其他两种模型。 展开更多
关键词 小麦杂质 卷积神经网络 分类识别 CBAM-inceptionv3 可视化
在线阅读 下载PDF
基于卷积神经网络的颈椎成熟度及矢状骨面型的一步式诊断
4
作者 陈丽娜 宋具昆 +2 位作者 江媛绮 吕豪 黎敏 《实用口腔医学杂志》 北大核心 2025年第5期643-650,共8页
目的:比较4种主流卷积神经网络模型在头颅侧位片上一步式自动诊断颈椎成熟度及矢状骨面型的性能。方法:纳入600张头颅侧位片,以2名正畸专科医生判别颈椎成颈熟分期及半自动测量矢状骨面型后制作数据集。将数据集数据增强后分别以80%作... 目的:比较4种主流卷积神经网络模型在头颅侧位片上一步式自动诊断颈椎成熟度及矢状骨面型的性能。方法:纳入600张头颅侧位片,以2名正畸专科医生判别颈椎成颈熟分期及半自动测量矢状骨面型后制作数据集。将数据集数据增强后分别以80%作为训练集,20%作为测试集,用相同的训练方法对卷积神经网络模型InceptionV3、ResNet50、ShuffleNetV2和VGG16的性能进行比较。结果:InceptionV3、ResNet50、ShuffleNetV2、VGG16判别颈椎成熟度分期的准确率分别为98.44%、89.85%、60.55%和67.97%,矢状骨面型分型的准确率分别为96.56%、92.19%、80.00%和88.13%。结论:4种卷积神经网络模型中,InceptionV3对于颈椎成熟度分期及矢状骨面型分型的识别总体学习性能最好。 展开更多
关键词 人工智能 深度学习 卷积神经网络 inceptionv3 颈椎成熟度 矢状骨面型 头颅侧位片
在线阅读 下载PDF
一种改进的深度神经网络的花卉图像分类 被引量：7
5
作者 吴迪 侯凌燕 +1 位作者 刘秀磊 李红臣 《河南大学学报（自然科学版）》 CAS 2019年第2期192-203,共12页
花卉图像类内差异性大和类间相似性高使得花卉图像分类较难.传统花卉分类方法和普通卷积神经网络很难完整地表达花卉图像的特征,故而分类效果不理想.为提高花卉分类准确率,提出改进的InceptionV3网络用于花卉图片的分类.采用迁移学习的... 花卉图像类内差异性大和类间相似性高使得花卉图像分类较难.传统花卉分类方法和普通卷积神经网络很难完整地表达花卉图像的特征,故而分类效果不理想.为提高花卉分类准确率,提出改进的InceptionV3网络用于花卉图片的分类.采用迁移学习的方法,将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类,对其中的激活函数进行改进.在通用Oxford flower-102数据集上的实验表明:该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高,且比未改进的卷积神经网络准确率高,迁移过程准确率达到81.32%,微调过程准确率达到92.85%. 展开更多
关键词 迁移学习 inceptionv3网络结构 深度神经网络 Tanh-ReLU激活函数 数据增强 图像分类
原文传递
基于迁移学习的机场地面目标识别 被引量：6
6
作者 张长勇 陈治华 饶瑞 《工业控制计算机》 2020年第12期6-8,共3页
机场地面目标识别是机场特种车辆迈向智能化的关键一步。随着人工智能的发展,深度学习在图像识别任务上的优势日趋明显。但传统深度学习模型的训练需要大量标注好的数据,限制了其在缺少数据的机场地面目标识别领域的应用。针对机场地面... 机场地面目标识别是机场特种车辆迈向智能化的关键一步。随着人工智能的发展,深度学习在图像识别任务上的优势日趋明显。但传统深度学习模型的训练需要大量标注好的数据,限制了其在缺少数据的机场地面目标识别领域的应用。针对机场地面目标识别的小样本问题,提出将迁移学习方法应用到模型训练中,利用小样本数据完成训练。首先收集机场运营中常见的地面目标数据建立小样本数据集,然后引入迁移学习方法对Inceptionv3网络进行再训练,构建机场地面目标识别系统,最后通过实验验证了所提方法对机场地面常见的10类目标识别的有效性。实验结果表明,该模型的准确度达到97.81%,能满足机场地面目标识别准确性需求。 展开更多
关键词 迁移学习 机场地面目标 inceptionv3 卷积神经网络
在线阅读 下载PDF
吊装机器人肢体动作指令识别技术研究
7
作者 倪涛 邹少元 +3 位作者 刘海强 黄玲涛 陈宁 张红彦 《农业机械学报》 EI CAS CSCD 北大核心 2019年第6期405-411,426,共8页
鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNNBP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移... 鉴于Kinect相机进行肢体识别监控距离有限,提出使用网络大变焦摄像头、构建CNNBP融合网络进行肢体动作识别,并以9组机器人吊装指令为例进行训练和识别。首先,基于OpenPose提取18个骨架节点坐标,生成RGB骨架图和骨架向量;然后,采用迁移学习方法对RGB骨架图使用InceptionV3网络提取图像深层抽象特征,并对训练数据集采用旋转、平移、缩放和仿射多种数据增强方式,以扩充训练数据,防止过拟合;再将提取的骨架向量使用BP神经网络提取点线面等浅层特征;最后对InceptionV3网络和BP神经网络输出进行融合,并使用Softmax求解器得到肢体识别结果。将肢体识别结果输入机器人辅助吊装控制系统,建立双重验证控制方法,完成机器人辅助吊装操作。实验结果表明,该方法保证了模型运行的精度和时效性,实时识别精度达0.99以上,大大提升了远距离人机交互能力。 展开更多
关键词 吊装机器人 BP神经网络 肢体识别 OpenPose inceptionv3
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