-
题名基于改进RegNet的皮肤镜图像分类方法
- 1
-
-
作者
秦镜淘
刘文忠
李柯
-
机构
四川轻化工大学计算机科学与工程学院
-
出处
《洛阳师范学院学报》
2025年第11期36-40,共5页
-
文摘
为提高皮肤镜图像识别准确率,提出了一种融合多尺度特征与注意力机制的皮肤镜图像分类方法.该方法首先引入高效多尺度注意力模块,以捕捉图像的细粒度局部信息及全局语义特征;其次,通过高效通道注意力机制模块,增强通道间的依赖关系,进而进一步提升特征表达能力;再次,采用多尺度特征融合模块,利用不同感受野对图像进行处理,增强对细节信息的捕捉能力.在ISIC 2018数据集上开展的实验结果显示,相较于RegNet,该方法在准确率、精确率、召回率和F 1-score上分别提升了2.34个百分点、3.72个百分点、6.39个百分点和5.13个百分点.
-
关键词
皮肤镜图像分类
regnet网络
多尺度特征
注意力机制
-
Keywords
dermoscopy image classification
regnet network
multi-scale feature
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于RegNet网络的马铃薯病害识别研究
被引量：2
- 2
-
-
作者
石放
王莹
王新法
马玉琨
-
机构
河南科技学院
-
出处
《中国农机化学报》
北大核心
2024年第6期229-234,共6页
-
基金
河南省科技攻关项目(212102110234,222102320080)
河南省高等学校重点科研项目(22A210013)
+1 种基金
河南省博士后科研启动项目(202102090)
河南省新乡市重大科技专项(21ZD003)。
-
文摘
为克服传统网络模型结构固化、对马铃薯病害识别率低的问题,以PlantVillage数据集中的五类马铃薯病害为研究对象,对图像进行随机放大缩小、水平翻转、垂直翻转等操作进行数据增强。使用一种基于网络设计空间思想设计出具有高度灵活性的RegNet网络模型,利用PoLy损失函数对RegNet进行改进,并加入注意力机制,对数据增强后的马铃薯病害图片进行预测,再与传统网络模型AlexNet和GoogLeNet进行对比。试验结果表明:改进后的RegNetX在马铃薯识别方面具有良好的性能,最高准确率可达99.8%,模型准确率超过AlexNet与GoogLeNet,可为马铃薯病害识别作参考。
-
关键词
马铃薯
农作物病害
regnet网络
图像识别
网络设计空间
-
Keywords
potato
crop diseases
regnet network
image recognition
network design space
-
分类号
S435.32
[农业科学—农业昆虫与害虫防治]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于RegNet网络的岩石图像模式识别
被引量：1
- 3
-
-
作者
林海涛
郑群浩
林嘉仪
陈沛逸
-
机构
韩山师范学院数学与统计学院
-
出处
《现代信息科技》
2022年第14期63-66,共4页
-
基金
2021博士启动项目(QD202129)
2021年度教育厅教育科学规划项目(2021GXJK212)。
-
文摘
建立了以岩石图片为输入的深度学习模型,以实现岩石类型的智能识别。该模型基于RegNet网络结构,通过探索网络设计空间特征,高效获取模型的最优参数组合。为了提高类型的识别率,在数据预处理中采用了置信学习和数据增强等方法和技巧,在训练阶段采用了迁移学习方法。实验表明,该模型的识别准确率达到89.94%,在某些类别的召回率甚至高达100%。
-
关键词
regnet网络
模式识别
置信学习
数据增强
迁移学习
-
Keywords
regnet network
pattern recognition
confidence learning
data augmentation
transfer learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于RegNet神经网络的声纹识别
被引量：2
- 4
-
-
作者
黄一舟
崔璨
李增
-
机构
中国人民警察大学研究生院
中国人民警察大学警务装备技术学院
-
出处
《智能计算机与应用》
2024年第8期197-202,共6页
-
基金
河北省省级科技计划资助(21370302D)。
-
文摘
通过寻找RegNet神经网络的最佳宽度、神经元权重和偏置等参数的最优组合,将优化后的RegNet神经网络应用于语谱图的识别,实现对语谱图的特征学习和分类,进而达到对声纹进行鉴定。实验结果表明,在使用相同的Thchs-30数据集训练下,RegNet网络与目前主流的卷积神经网络(CNN)和DenseNet识别方法相比,识别率分别高了11.75%和1.93%,并且达到收敛后具有更好的稳定性,相对于DenseNet和传统的CNN有更好的精确度和鲁棒性。
-
关键词
声纹识别
语谱图
regnet
卷积神经网络
-
Keywords
voiceprint recognition
spectrogram
regnet
convolutional neural network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于AutoAssign模型的水果检测
- 5
-
-
作者
丁士宁
刘金兰
-
机构
信阳农林学院信息工程学院
-
出处
《现代计算机》
2024年第10期40-44,共5页
-
基金
信阳农林学院青年教师科研基金项目(QN2021057)。
-
文摘
为提高水果检测精度,收集菠萝、蛇果、火龙果、香蕉四种水果的图像,构建水果检测数据集。将Auto-Assign模型应用到水果检测中,并在此基础上提出了改进。采用多尺度训练策略,并用RegNet网络替代原有的骨干特征提取网络ResNet50。改进模型的平均精度均值达到86.8%,比原AutoAssign模型提升了5.4个百分点。所提模型的平均帧率达到34.6 img·s-1。与Faster R-CNN、RetinaNet、FCOS模型相比,该模型的平均精度均值分别提升了6.0、5.7、5.0个百分点。所提模型明显提升了水果检测精度,检测速度可接受,对于水果检测具有一定的参考意义。
-
关键词
水果检测
AutoAssign
多尺度训练
regnet网络
-
Keywords
fruit detection
AutoAssign
multi-scale training
regnet network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TS255.7
[轻工技术与工程—农产品加工及贮藏工程]
-
