基于DSG-ResNet34的聚乙烯燃气管道电熔焊接缺陷检测

1

作者 凌晓 刘露 +2 位作者 孙宝财 张正棠 徐晓刚 《仪器仪表学报》 北大核心 2025年第6期228-240,共13页

PE燃气管道的连接质量能直接影响中低压燃气的正常输送,在电熔焊接时产生的结构畸变、冷焊等缺陷会显著削弱管道的力学性能,威胁燃气管网的稳定运行。因此,基于实地采集的PE燃气管道电熔焊接缺陷DR图像数据集,提出了基于DSG-ResNet34模... PE燃气管道的连接质量能直接影响中低压燃气的正常输送,在电熔焊接时产生的结构畸变、冷焊等缺陷会显著削弱管道的力学性能,威胁燃气管网的稳定运行。因此,基于实地采集的PE燃气管道电熔焊接缺陷DR图像数据集,提出了基于DSG-ResNet34模型的缺陷检测方法,以实现对电熔焊接缺陷进行快速精准地检测。该网络模型由主干网络CBAM-ResNet34模块、动态稀疏门控金字塔DSG-FPN、多尺度检测头3个部分组成,首先通过主干网络CBAM-ResNet34结构从通道和空间两个维度提升网络模型对缺陷特征的关注度,然后通过动态稀疏门控金字塔DSG-FPN结构的动态稀疏门控模块、Inception模块、稀疏连接动态融合多尺度缺陷特征,有效保留小目标特征、抑制背景噪声,最后通过多尺度检测头结构将提取到的丰富特征转化为具体的检测结果。DSG-ResNet34模型的缺陷检测准确率最高可达95.5%、P2层精确率最高可达82.7%、小目标召回率最低为85.6%、检测速度可达68 fps、参数量为22.3×10^(6),该模型能快速定位识别孔洞、熔融面夹杂、结构畸变、冷焊这4类典型电熔焊接缺陷,检测性能与速度优于其他网络模型。为PE管道焊接质量智能化检测提供了高精度解决方案,对保障燃气管网安全运行具有重要意义。 展开更多

关键词 聚乙烯燃气管道 缺陷检测 电熔焊接 resnet34模型 特征金字塔

原文传递

基于改进S-ResNet34模型的小麦条锈病等级识别研究 被引量：2

2

作者 尉国帅 贺佳 +3 位作者 常宝方 袁培燕 赵肖媛 王来刚 《南京农业大学学报》 CAS 北大核心 2025年第1期230-239,共10页

[目的]快速准确识别小麦条锈病病害等级,对其精准防控具有重要意义。[方法]利用数码相机获取小麦叶片条锈病RGB图像,构建小麦叶片条锈病不同病害等级数据集,通过对ResNet34模型添加通道注意力模块(SE)和Inception模块加以改进,增强模型... [目的]快速准确识别小麦条锈病病害等级,对其精准防控具有重要意义。[方法]利用数码相机获取小麦叶片条锈病RGB图像,构建小麦叶片条锈病不同病害等级数据集,通过对ResNet34模型添加通道注意力模块(SE)和Inception模块加以改进,增强模型对小麦条锈病特征的关注程度和提取能力,并采用精准率、召回率、平衡F分数和准确率等评价指标,对比分析S-ResNet34与VGG16、MobileNetV2、Swin-Transformer、ResNet34等多种主流模型的识别精度。[结果]S-ResNet34模型的训练准确率为93.85%,相比于VGG16(84.53%)、MobileNetV2(79.35%)、Swin-Transformer(85.67%)和ResNet34(87.50%)等深度网络模型,准确率分别提高了9.32%、14.50%、8.18%和6.35%。模型损失值更小,改进的ResNet34模型识别小麦条锈病特征能力更强,训练收敛更快。[结论]采用深度学习模型能够准确识别小麦条锈病发病程度,通过对ResNet34模型添加注意力模块能有效提高小麦条锈病病害识别精度。 展开更多

关键词 小麦条锈病 深度学习 病害等级 图像识别 改进S-resnet34模型

在线阅读 下载PDF 职称材料

基于改进ResNet34网络模型的小麦籽粒种子分类研究

3

作者 薛淏 刘成忠 鲁清林 《软件工程》 2025年第10期22-25,共4页

针对传统小麦籽粒检测任务中种类少、数目小、识别效率不高、受数据集因素影响较大的问题,构建30000张小麦籽粒图像数据集进行分类研究。在原始ResNet34模型的残差结构中加入改进的SE-P注意力机制,减少无关的特征依赖,增强模型的特征表... 针对传统小麦籽粒检测任务中种类少、数目小、识别效率不高、受数据集因素影响较大的问题,构建30000张小麦籽粒图像数据集进行分类研究。在原始ResNet34模型的残差结构中加入改进的SE-P注意力机制,减少无关的特征依赖,增强模型的特征表达能力;在全连接层之前应用Dropout层,通过随机丢弃部分神经元,降低过拟合的发生。实验结果表明,改进后的ResNet34分类模型准确率、精确度和召回率分别为92.30%、92.23%和92.72%,相较于原模型准确率提升3.71%。在小麦籽粒分类任务中提升明显。 展开更多

关键词 小麦籽粒 resnet34 Dropout层 SE-P注意力机制

在线阅读 下载PDF 职称材料

基于改进ResNet34网络的脑肿瘤分类方法研究 被引量：1

4

作者 嵇小辅 金兆雄 《计算机测量与控制》 2025年第2期184-191,共8页

传统的人工分辩脑肿瘤医学影像费时费力、浅层的卷积神经网络模型分类准确率较低,为了提高脑肿瘤图像分类的高效性和准确率,提出了一种基于改进ResNet34网络的脑肿瘤分类模型;该模型以ResNet34残差网络作为骨干网络,结合多尺度特征提取... 传统的人工分辩脑肿瘤医学影像费时费力、浅层的卷积神经网络模型分类准确率较低,为了提高脑肿瘤图像分类的高效性和准确率,提出了一种基于改进ResNet34网络的脑肿瘤分类模型;该模型以ResNet34残差网络作为骨干网络,结合多尺度特征提取思想,采用多尺度输入模块作为ResNet34网络的第一层,将inceptionv2模块作为残差下采样层;再通过通道注意力机制模块,从通道域的角度赋予图像不同通道不同的权重,得到更重要的特征信息;经过五折交叉实验后的结果表明,改进后的新网络模型的平均分类准确率约为98.82%,比ResNet34提升约1.1%,且模型参数数量仅为原模型的80%;这说明改进后的网络不仅提高了准确率,还减少了模型复杂度,达到了参数更少,准确率更高的分类效果。 展开更多

关键词 图像处理 改进resnet34 脑肿瘤分类 多尺度输入 注意力机制 inception v2

在线阅读 下载PDF 职称材料

一种改进ResNet34模型的乳腺图像识别方法

5

作者 王锦俊 蔡延光 《自动化与信息工程》 2025年第3期30-36,共7页

为了提高乳腺图像的识别准确率,提出一种改进ResNet34模型的乳腺图像识别方法。该方法以ResNet34模型为基础,引入平行注意力残差块(PARB)模块来增强乳腺图像通道间的关联性,进一步提取乳腺图像的重要特征信息,从而提高模型的识别准确率... 为了提高乳腺图像的识别准确率,提出一种改进ResNet34模型的乳腺图像识别方法。该方法以ResNet34模型为基础,引入平行注意力残差块(PARB)模块来增强乳腺图像通道间的关联性,进一步提取乳腺图像的重要特征信息,从而提高模型的识别准确率;利用科尔莫戈洛夫-阿诺尔德网络(KAN)替代传统的多层感知器(MLP),减少模型参数,提高模型的识别速度。实验结果表明,改进的ResNet34模型比ResNet34模型的准确率、精确率、召回率和F1-Score分别提升了4.0%、0.6%、8.0%和4.7%,表明该方法对乳腺图像具有更好的识别效果。 展开更多

关键词 乳腺图像识别 resnet34 平行注意力残差块 科尔莫戈洛夫-阿诺尔德网络

在线阅读 下载PDF 职称材料

基于迁移学习和ResNet34的作物病害图像识别方法

6

作者 赵雪如 吴青 《计算机科学与应用》 2025年第9期31-45,共15页

作为全球主要的农业生产大国,我国长期面临着严峻的病害威胁,农作物病害的准确识别和防治对保障我国粮食安全具有重要意义。而要想科学准确地判断虫害类型并做出有效应对,精准识别病害图像无疑是关键前提。近年来深度学习技术发展迅速,... 作为全球主要的农业生产大国,我国长期面临着严峻的病害威胁,农作物病害的准确识别和防治对保障我国粮食安全具有重要意义。而要想科学准确地判断虫害类型并做出有效应对,精准识别病害图像无疑是关键前提。近年来深度学习技术发展迅速,在包括病害在内的识别领域展现出了相较于机器学习等传统方法更高的效率与精度。本文针对农作物病害识别问题,提出基于迁移学习改进ResNet34的识别方法,结合图像增强、特征层冻结、全连接层优化与分层动态学习率调节等方法有效提高了识别精度,并将其部署于在线识别系统。 展开更多

关键词 深度学习 迁移学习 resnet34 图像识别

在线阅读 下载PDF 职称材料

基于改进ResNet34网络的变电站设备巡检图像分类识别的方法 被引量：4

7

作者 刘志坚 孟欣雨 +2 位作者 刘航 罗灵琳 张德春 《电机与控制应用》 2024年第5期50-60,共11页

针对变电站设备巡检图像识别领域中存在的图像规模有限和识别准确率低等问题,提出了一种基于改进ResNet34网络的图像分类识别方法。采用Seam Carving算法对图像中的低能量区域进行压缩以保留关键特征;同时使用弹性变换、高斯噪声等6种... 针对变电站设备巡检图像识别领域中存在的图像规模有限和识别准确率低等问题,提出了一种基于改进ResNet34网络的图像分类识别方法。采用Seam Carving算法对图像中的低能量区域进行压缩以保留关键特征;同时使用弹性变换、高斯噪声等6种图像增强技术来增强图像的多样性。将基础ResNet34网络与卷积注意力模块结合,增强模型对设备巡检图像关键特征的提取能力。使用在ImageNet数据集上的预训练模型作为迁移学习的特征提取器来解决样本数量不足的问题。在Adam优化器中引入余弦退火策略来动态调整学习率使改进的ResNet34网络更快收敛至最优解。试验结果表明所提方法比基础ResNet34网络的准确率提升了0.0733,损失率降低了0.2019,为变电站设备巡检图像识别领域提供了一种可靠的解决方案。 展开更多

关键词 resnet34 卷积注意力模块 迁移学习 余弦退火策略

在线阅读 下载PDF 职称材料

基于ResNet34模型的大菱鲆鱼苗识别计数方法 被引量：8

8

作者 涂雪滢 钱程 +2 位作者 刘世晶 刘晃 李国栋 《渔业现代化》 CSCD 北大核心 2024年第1期90-97,共8页

鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于ResNet34的大菱鲆鱼苗识别计数方法。首先,设计... 鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于ResNet34的大菱鲆鱼苗识别计数方法。首先,设计了一套适用于微小目标计数需要的图像采样装置,采用图像预处理方法实现鱼苗前景分割和初步定位。为了有效统一样本空间和待识别目标空间,利用最小外接矩规则化初步定位前景图像,构建图像样本集。大菱鲆鱼苗识别阶段,利用相同预处理方法获取待识别目标区域,并引入ResNet34模型作为识别模型实现待识别目标区域苗种识别;最后,通过统计所有待识别目标识别数量结果实现大菱鲆苗种计数。结果显示:本方法在微小鱼苗识别计数方面取得了较好的精度,利用ResNet34模型的大菱鲆鱼苗的识别平均准确率达到94.27%,比基于SVM方法(识别精度85.8%)和AlexNet(识别精度87.04%)方法识别精度分别提高7.4个百分点和8.64个百分点,优于ResNet18(识别精度93.21%)和ResNet50(识别精度93.83%)等相似结构的识别效果。本模型鱼苗计数的平均准确率达到96.28%。研究表明,提出的样本集构建和识别方法能够满足微小目标计数需求,可为鱼类苗种计数提供了技术借鉴。 展开更多

关键词 鱼苗计数 图像识别 大菱鲆 resnet34模型

在线阅读 下载PDF 职称材料

优化双线性ResNet34的人脸表情识别 被引量：1

9

作者 吕军 苌婉婷 +1 位作者 陈付龙 王志伟 《计算机系统应用》 2024年第11期27-37,共11页

为了能够更准确且快速地识别人脸表情,提出了一种优化的基于ResNet34网络的双线性结构(OBSR-Net)来进行人脸表情识别. OBSR-Net采用双线性网络结构作为整体框架,主干网络使用ResNet34网络,通过平移不变的方式对局部成对特征交互进行建模... 为了能够更准确且快速地识别人脸表情,提出了一种优化的基于ResNet34网络的双线性结构(OBSR-Net)来进行人脸表情识别. OBSR-Net采用双线性网络结构作为整体框架,主干网络使用ResNet34网络,通过平移不变的方式对局部成对特征交互进行建模,从而提取更加完整有效的特征,同时采用迁移学习的策略来降低人脸表情小样本图像数据集对深度学习方法的限制.此外,在训练过程中使用一种新的通用优化技术,即梯度集中.该方法通过将梯度向量集中到零均值来直接对梯度进行操作,可以看作是一种具有约束损失函数的投影梯度下降方法. OBSR-Net在Fer2013和CK+两个公开数据集上进行实验,分别取得了77.65%和98.82%的识别准确率.实验结果表明,与其他先进的人脸表情识别方法相比, OBSR-Net表现出较强的竞争力. 展开更多

关键词 人脸表情识别 深度学习 双线性结构 迁移学习 resnet34 梯度集中

在线阅读 下载PDF 职称材料

基于FaceBoxes和ResNet34的人脸视频心率测量 被引量：1

10

作者 李姗姗 《现代信息科技》 2024年第3期139-142,共4页

基于人脸视频的非接触式心率检测存在运动伪影和噪声干扰等问题,为克服运动伪影对心率检测的影响,文中提出一种基于FaceBoxes和改进ResNet34的人脸视频心率检测方法。对人脸视频帧进行人脸检测和特征点检测,能够准确定位每一帧的ROI区域... 基于人脸视频的非接触式心率检测存在运动伪影和噪声干扰等问题,为克服运动伪影对心率检测的影响,文中提出一种基于FaceBoxes和改进ResNet34的人脸视频心率检测方法。对人脸视频帧进行人脸检测和特征点检测,能够准确定位每一帧的ROI区域,克服微小运动影响,提取ROI区域内RGB三通道信号,进行空间平均预处理、信号降噪,获得脉搏波信号,计算出心率。实验结果表明,基于改进ResNet34的特征点检测在人脸视频心率检测中发挥了良好的性能,在一定程度上克服了运动伪影的影响,并且提高了原有人脸视频心率检测方法的推理速度。 展开更多

关键词 人脸视频心率检测 特征检测 FaceBoxes resnet34

在线阅读 下载PDF 职称材料

基于ResNet34卷积神经网络的垃圾分类识别小程序 被引量：1

11

作者 李玉信 王嘉欣 刘力军 《电脑与信息技术》 2024年第2期1-3,共3页

人类社会的生产力水平正在以指数级提升,导致垃圾数量疯涨,因此当下如何处理大量的垃圾成为一个棘手的问题。在大量堆积的垃圾中既有可以回收利用的可回收垃圾,也有能造成污染的有害垃圾,如果对其不加以区分就丢弃,对于资源是一种浪费... 人类社会的生产力水平正在以指数级提升,导致垃圾数量疯涨,因此当下如何处理大量的垃圾成为一个棘手的问题。在大量堆积的垃圾中既有可以回收利用的可回收垃圾,也有能造成污染的有害垃圾,如果对其不加以区分就丢弃,对于资源是一种浪费。为了解决在垃圾分类过程中出现的错误分类的问题,构建了基于ResNet34卷积神经网络的垃圾分类识别模型。根据垃圾分类的需求对现有的网络模型做出了相应的调整,优化模型主要参数的同时采用了迁移学习的方式训练模型使其在测试集上的准确率达到了87%。选择与微信小程序结合,向ResNet34模型导入数据集并训练40种垃圾类别,同时通过Https协议远程调用服务器上运行的模型,从而在小程序上实现对垃圾的快速精准分类。 展开更多

关键词 垃圾分类 resnet34 微信小程序

在线阅读 下载PDF 职称材料

基于改进ResNet34的深度人脸伪造检测方法研究

12

作者 王雅坤 张宝林 +2 位作者 王兆成 马琬雲 郭仕佳 《河北工业大学学报》 CAS 2024年第6期44-51,共8页

深度人脸伪造技术的非法应用对人民群众的财产安全造成了严重危害,当前伪造视频检测准确率低且面对新型伪造技术的泛化能力差。针对以上问题,提出了一种注意力机制改进ResNet34的深度人脸伪造检测方法:引入了高效通道注意力模块,无需进... 深度人脸伪造技术的非法应用对人民群众的财产安全造成了严重危害,当前伪造视频检测准确率低且面对新型伪造技术的泛化能力差。针对以上问题,提出了一种注意力机制改进ResNet34的深度人脸伪造检测方法:引入了高效通道注意力模块,无需进行降维和升维的操作,从而保留了原始通道特征的信息完整性;将伪造图像中的伪影区域提取出来,作为主干特征输入模型,增强模型对人脸局部特征的检测性能;利用多尺度滑动窗口和不同的混合函数来生成带有伪影区域位置信息的标注,方便伪影检测模块对伪影特征的检测。实验结果表明,本研究方法效果显著,在FF++(c23)数据集上检测准确率为97.88%,AUC值为99.84%。 展开更多

关键词 深度人脸伪造 resnet34 高效通道注意力 伪影检测 多尺度滑窗

在线阅读 下载PDF 职称材料

基于ResNet34算法的病虫害识别

13

作者 孙连云 李国印 《计算机应用文摘》 2024年第22期191-193,共3页

病虫害严重影响农业和环境的可持续发展,导致农作物产量损失和品质下降。深度学习技术为病虫害识别和防治提供了新方法,在识别准确率和效率方面具有独特优势。在探究和学习深度学习技术特点与算法优缺点的基础上,文章探讨其在番茄、葡... 病虫害严重影响农业和环境的可持续发展,导致农作物产量损失和品质下降。深度学习技术为病虫害识别和防治提供了新方法,在识别准确率和效率方面具有独特优势。在探究和学习深度学习技术特点与算法优缺点的基础上,文章探讨其在番茄、葡萄、苹果3类经济作物病虫害研究中的应用,主要分析了ResNet网络模型对这些作物的病虫害图像识别和分类的精度问题,并对ResNet网络的训练损失、验证损失、验证准确率进行了分析。实验结果证明,ResNet网络模型对于病虫害图像具有较高的识别准确率,达到了94.54%。 展开更多

关键词 resnet34 图像识别 智慧农业 病虫害

在线阅读 下载PDF 职称材料

融合数据增强与改进ResNet34的奶牛热红外图像乳腺炎检测 被引量：7

14

作者 张倩 杨颖 +2 位作者 刘刚 吴潇 宁远霖 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第1期280-288,共9页

乳腺炎是奶牛生产养殖中最为严重的疾病之一,奶牛乳腺炎的早期检测可以为后续治疗提供依据,从而提高疾病治疗效率,降低养殖风险。为了对自然行走的奶牛实现快速、高精度的“一步式”乳腺炎疾病检测,提出了一种基于热红外图像,融合数据... 乳腺炎是奶牛生产养殖中最为严重的疾病之一,奶牛乳腺炎的早期检测可以为后续治疗提供依据,从而提高疾病治疗效率,降低养殖风险。为了对自然行走的奶牛实现快速、高精度的“一步式”乳腺炎疾病检测,提出了一种基于热红外图像,融合数据增强与改进ResNet34的奶牛乳腺炎疾病检测方法。相对于现有的“多步式”奶牛红外图像乳腺炎检测方法,该方法无需奶牛关键部分如乳房和眼睛的定位以及温度提取等,可有效避免“多步式”造成的误差累计,从而实现更高效的乳腺炎检测。首先,将包含奶牛关键部位的局部图片水平拼接成信息完整的整体图片,结合RandAugment数据增强方法扩增训练样本;其次,采用ResNet34残差网络作为实验的基础网络,并根据热红外图像特性对模型进行如下改进:(1)精简网络内部冗余层使得模型更轻量化;(2)中间层添加辅助分类器弥补由于模型精简带来的特征损失;(3)将改进的多融合池化层代替原有单一池化层,使得特征提取内容更丰富。随机选取3298张热红外图像(66头奶牛)作为实验对象,并设置多组对比实验,结果表明:与传统ResNet34相比改进后ResNet34模型分类准确率提高3.4%,基于改进ResNet34并融合迁移学习和数据增强的模型验证准确率达到90.3%,测试准确率为88.4%,分类时间仅需3.39×10^(-3)s。为了保证实验数据集的样本独立性,进一步将奶牛个体数量按照3∶1∶1划分为训练集、验证集和测试集,测得模型测试准确率达到80.3%,证明所提出模型具有很好的鲁棒性。根据测试结果,计算出模型查准率为91.2%、查全率为91.6%、F1分数为91.4%,与前人所做实验相比准确率提高了5.1%,特异度提升5.3%。该研究方法可以为初期奶牛乳腺疾病筛选和医学诊断提供辅助和参考。 展开更多

关键词 迁移学习 resnet34 数据增强 热红外图像 奶牛乳腺炎检测

在线阅读 下载PDF 职称材料

基于ResNet34_D改进YOLOv3模型的行人检测算法 被引量：12

15

作者 钱惠敏 陈纬 +2 位作者 马宜龙 施非 项文波 《控制与决策》 EI CSCD 北大核心 2022年第7期1713-1720,共8页

针对自动驾驶场景下行人检测任务中对中、小尺寸目标和被遮挡目标的检测需求,以及现有深度学习模型的不足,提出基于ResNet34_D的改进YOLOv3模型:通过改进残差网络的卷积块结构提出ResNet34_D,并作为YOLOv3的主干网络以降低模型尺寸和训... 针对自动驾驶场景下行人检测任务中对中、小尺寸目标和被遮挡目标的检测需求,以及现有深度学习模型的不足,提出基于ResNet34_D的改进YOLOv3模型:通过改进残差网络的卷积块结构提出ResNet34_D,并作为YOLOv3的主干网络以降低模型尺寸和训练难度;在ResNet34_D的3个尺度卷积特征图之后,增加SPP层和DropBlock模块以提高模型的泛化能力;基于K-means聚类算法确定自适应的多尺度锚框尺寸,提高对大、中、小3种尺寸行人目标的检测能力;引入DIoU损失函数,提高对被遮挡目标的识别能力.所提出模型的消融实验验证了各个改进部分在提高模型检测准确率上的有效性.实验结果表明,所提出的基于ResNet34_D的改进YOLOv3模型具有较好的准确率和实时性,在BDD100K-Person数据集上的AP50达到69.8%,检测速度达到130 FPS.由所提出方法与现有目标检测方法的对比实验可知,所提出方法对小目标和遮挡目标的误检率更低,速度更快,具有一定的实际应用价值. 展开更多

关键词 行人检测 深度学习 YOLOv3 resnet34_D DIoU

原文传递

基于ResNet34的高分遥感影像草本湿地信息提取 被引量：9

16

作者 贾文翰 刘越岩 胡守庚 《测绘地理信息》 CSCD 2021年第S01期97-99,共3页

以宁夏石嘴山Landsat8影像、高分二号影像、LIDAR数据插值生成的DEM数据和地理国情普查数据等为数据源,首先利用一年多期Landsat8影像确定提取草本湿地的最佳时相;然后对最佳时相的高分二号融合影像、DEM数据等进行多尺度叠置分割,选取N... 以宁夏石嘴山Landsat8影像、高分二号影像、LIDAR数据插值生成的DEM数据和地理国情普查数据等为数据源,首先利用一年多期Landsat8影像确定提取草本湿地的最佳时相;然后对最佳时相的高分二号融合影像、DEM数据等进行多尺度叠置分割,选取NDVI、湿度、坡度、色调等特征,采用决策树分类获得草本湿地信息,构建草本湿地样本库;最后探讨卷积神经网络ResNet34用于高分卫星影像提取草本湿地的方法。试验结果表明:设计的ResNet34方法同决策树分类法提取结果相比,提取的效果明显提高,适用于草本湿地信息提取。 展开更多

关键词 高分卫星影像 草本湿地 resnet34

原文传递

基于SE-ResNet34的红火蚁巢穴判别模型 被引量：6

17

作者 袁嘉辉 刘蕊 +1 位作者 梁虹 周祥 《电子测量技术》 北大核心 2023年第23期97-104,共8页

红火蚁是近年来侵害我国南方的主要外来入侵物种之一,精确识别红火蚁巢穴是防控红火蚁的关键所在。为解决传统红火蚁防控依赖人工巡视、高危险、效率低的问题,降本增效实现红火蚁巢穴的智能检视,提出了一种基于ResNet34改进的红火蚁巢... 红火蚁是近年来侵害我国南方的主要外来入侵物种之一,精确识别红火蚁巢穴是防控红火蚁的关键所在。为解决传统红火蚁防控依赖人工巡视、高危险、效率低的问题,降本增效实现红火蚁巢穴的智能检视,提出了一种基于ResNet34改进的红火蚁巢穴判别模型。该模型借助采集于不同地貌特征下的红火蚁巢穴图像,结合数据增强技术进行训练,通过在ResNet34的第1层卷积层之后和全连接层之前加入SE注意力机制模块,提升网络的自适应选择和通道权值调整能力,以提取红火蚁巢穴表面局部非线性的纹理特征。经过K折交叉验证试验和超参数探究消融试验,将SE-ResNet34与AlexNet、VGG-16、ResNet18、ResNet34、ResNet50进行对比,分析得出SE-ResNet34的峰值准确率达到了98.76%,比ResNet34的准确率提高了2.17%,较其他测试模型有训练时间短、识别精度高的特点,同时展现出较强的鲁棒性和稳定性。该方法在减少人工成本的同时可降低杀虫剂的使用,为红火蚁巢穴判别提供了一种便捷高效的解决方案。 展开更多

关键词 红火蚁巢穴判别 全地形红火蚁巢穴数据集 SE-resnet34模型 K折交叉验证

原文传递

基于改进ResNet34的玉米病害分类研究 被引量：3

18

作者 李涵 唐友 +1 位作者 辛鹏 杨牧 《无线互联科技》 2023年第13期127-130,共4页

玉米病害分类是一个具有挑战性的问题,因为病害的形态和颜色等特征相似,使得分类难度较大。文章基于深度学习技术,对玉米病害进行分类研究,提出了一种名为CBAM_ResNet34的卷积神经网络模型。该模型在ResNet34基础上加入了CBAM注意力模块... 玉米病害分类是一个具有挑战性的问题,因为病害的形态和颜色等特征相似,使得分类难度较大。文章基于深度学习技术,对玉米病害进行分类研究,提出了一种名为CBAM_ResNet34的卷积神经网络模型。该模型在ResNet34基础上加入了CBAM注意力模块,可以更好地提取玉米病害特征,以提高模型的分类性能。本文使用公开玉米病害数据集,共包含8种类别,通过数据增强技术进行数据扩充得到17 670张图片,可以有效提高模型的泛化能力。将改进后的模型与ResNet34模型进行实验对比,实验结果表明,CBAM_ResNet34模型的分类准确率为88.1%,相比ResNet34提高了1.1%。该模型能够有效地对玉米病害进行分类识别,为玉米产业的发展和可持续利用提供了一种新的方法和思路。 展开更多

关键词 resnet34模型 卷积神经网络 数据增强 CBAM注意力模块 玉米病害分类

在线阅读 下载PDF 职称材料

基于多尺度分组卷积ResNet34的岩石识别模型 被引量：5

19

作者 符甲鑫 汪琦 《陕西科技大学学报》 北大核心 2022年第1期167-173,共7页

岩石分类有效提升地质风险评估的效率,为提高岩石粒度特征的识别精度,提出基于多尺度分组卷积ResNet34网络的岩石识别方法,在残差模块中添加多尺度分组卷积和空洞卷积,提升网络的特征表达能力.采用多尺度分组卷积特征提取的方式,将特征... 岩石分类有效提升地质风险评估的效率,为提高岩石粒度特征的识别精度,提出基于多尺度分组卷积ResNet34网络的岩石识别方法,在残差模块中添加多尺度分组卷积和空洞卷积,提升网络的特征表达能力.采用多尺度分组卷积特征提取的方式,将特征图按通道方向分为四部分,分别采用不同大小的卷积核进行并行运算和拼接,在更细粒度上提取岩石特征,同时减少了模型训练参数,进而采取空洞卷积增加感受野大小,提升岩石粒度识别精度.实验表明,该方法不仅有效提升了网络训练的收敛速度,而且在2021年第九届“泰迪杯”数据挖掘挑战赛七类岩石数据集上识别准确率达到97.6%. 展开更多

关键词 resnet34 多尺度分组卷积 空洞卷积 细粒度 岩石识别

在线阅读 下载PDF 职称材料

基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级方法 被引量：1

20

作者 梁春波 刘昌华 《武汉轻工大学学报》 CAS 2023年第3期108-114,119,共8页

针对传统油菜根肿瘤分级方法精准性差、效率不高等问题,提出了一种基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级算法。利用数据增强技术对采集的油菜根肿瘤图像进行样本数据的扩充,在ResNet34模型的基础上,选择不同的位置增加SE(S... 针对传统油菜根肿瘤分级方法精准性差、效率不高等问题,提出了一种基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级算法。利用数据增强技术对采集的油菜根肿瘤图像进行样本数据的扩充,在ResNet34模型的基础上,选择不同的位置增加SE(Squeeze-and-Excitation)注意力分支,强化ResNet34对油菜根部病害区域的特征识别能力,提高网络识别油菜根肿瘤的精度,最后利用迁移学习的方法将预训练的参数权重迁移到所提模型进行训练,提高训练速度。试验以油菜5类常见的根肿瘤分级标准(N0~N4)为主要研究对象,并与原始的ResNet34算法模型进行比较。试验结果表明,所提SE_ResNet34_Qianyi模型对油菜根肿瘤的分级准确率可达86.39%,高于ResNet34_Qianyi(84.90%)和ResNet34(54.15%),可有效提取油菜根肿瘤特征,增强对多类根肿瘤级别的识别,提高识别准确率。 展开更多

关键词 油菜根肿瘤 resnet34 注意力机制 深度学习 迁移学习

在线阅读 下载PDF 职称材料