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4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VGG19网络和迁移学习的白术病害识别研究
1
作者 赵强 吴政泽 《无线互联科技》 2025年第22期89-92,共4页
文章针对白术叶片病害诊断中存在的人为误诊率高、实验室诊断条件苛刻等问题,采用迁移学习方法改进、微调VGG19网络模型。构建好的新模型白术病害识别率平均达96.8%,与GoogleNet、ResNet50和DenseNet模型相比较,精确率、召回率和F1值也... 文章针对白术叶片病害诊断中存在的人为误诊率高、实验室诊断条件苛刻等问题,采用迁移学习方法改进、微调VGG19网络模型。构建好的新模型白术病害识别率平均达96.8%,与GoogleNet、ResNet50和DenseNet模型相比较,精确率、召回率和F1值也有了大幅提高,对白术病害识别诊断具有重要意义。 展开更多
关键词 白术病害识别 vgg19模型 迁移学习 卷积神经网络
在线阅读 下载PDF
基于VGG19-SK模型的机械密封启停状态识别 被引量：1
2
作者 刘伟 翟志兴 +1 位作者 张书尧 李双喜 《机电工程》 北大核心 2025年第1期23-32,50,共11页
机械密封在机械设备的的启停过程中,时常会发生失效。针对这一问题,提出了一种新的深度学习模型VGG19-SK,并将其应用于机械密封的启停状态识别中。首先,在机械密封启停过程中,利用密封声发射信号试验台获取了试验数据,这些数据为训练深... 机械密封在机械设备的的启停过程中,时常会发生失效。针对这一问题,提出了一种新的深度学习模型VGG19-SK,并将其应用于机械密封的启停状态识别中。首先,在机械密封启停过程中,利用密封声发射信号试验台获取了试验数据,这些数据为训练深度学习模型提供了基础;然后,在传统VGG19基础之上进行了改进,增加了SK卷积层、全局平均池化层和批归一化(BN)层,这些改进显著减少了模型的参数数量,降低了对硬件设备的要求,同时提升了模型的性能;最后,在模型训练过程中,对VGG19-SK模型进行了细致的调优,采用准确率曲线、损失值曲线以及混淆矩阵等指标,与其他模型进行了对比,验证了VGG19-SK模型的有效性,突出了VGG19-SK模型的优越性。研究结果表明:在机械密封启停阶段8种分类识别中,VGG19-SK取得了86.67%的准确率,比传统VGG19提升了约2.19%;同时,模型的训练参数减少了83.74%,模型总体大小缩减了约80%。该VGG19-SK机械密封状态识别模型在兼顾准确率的同时,保证了硬件资源受限状况下的运行能力,为进一步开发基于深度神经网络模型的机械密封状态故障诊断系统奠定了基础。 展开更多
关键词 机械密封 深度学习模型 声发射信号 SK卷积层 全局平均池化层 批归一化层 vgg19-SK模型
在线阅读 下载PDF
基于复剪切波变换与VGG19模型的医学图像融合方法 被引量：5
3
作者 王钰帏 王雷 +1 位作者 郭新萍 程天琪 《山东理工大学学报（自然科学版）》 CAS 2024年第4期53-60,共8页
针对传统医学图像融合方法存在的细节信息不够清晰、边缘信息易丢失和图像失真等缺点,以及深度学习网络缺乏足够的训练数据集等问题,提出了一种基于复剪切波变换和预训练网络模型VGG19的多模态医学图像融合方法。首先,利用复剪切波变换... 针对传统医学图像融合方法存在的细节信息不够清晰、边缘信息易丢失和图像失真等缺点,以及深度学习网络缺乏足够的训练数据集等问题,提出了一种基于复剪切波变换和预训练网络模型VGG19的多模态医学图像融合方法。首先,利用复剪切波变换提取医学图像边缘和纹理信息,并得到多尺度、多方向的子带系数。然后,使用加权局部能量和修正的拉普拉斯算子对低频子带系数进行融合;引入预训练的VGG19提取多层特征图,结合加权评估规则来获取高频子带的融合结果。最后,对融合的高频和低频子带,施加复剪切波逆变换重构融合图像。实验表明,该方法得到的融合图像,不仅可以清晰地显示图像的细节信息和边缘信息,而且能够有效抑制伪影和失真现象的产生,在主观视觉比较和6种客观评价指标下能够达到更佳融合效果。 展开更多
关键词 医学图像 图像融合 复剪切波变换 vgg19模型 修正的拉普拉斯算子
在线阅读 下载PDF
少样本条件下的复杂叶片图像语义分割 被引量：1
4
作者 汪庆 杜炜 +1 位作者 马春 谷宗运 《齐齐哈尔大学学报（自然科学版）》 2022年第3期21-25,31,共6页
针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法。使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原SegNet语义分割模型的VGG16主干网络进行模型训练。实验结果表明,在包含180... 针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法。使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原SegNet语义分割模型的VGG16主干网络进行模型训练。实验结果表明,在包含180幅复杂背景叶片的图像数据集上,使用该方法的评价指数MPA和MIOU达到了98.02%和95.79%,相比未使用数据增强的原模型分别提高了9.96%和15.27%。 展开更多
关键词 语义分割 SegNet模型 vgg19 少样本 复杂叶片 数据增强
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