基于迁移学习的改进EfficientNet网络的皮肤病分类研究 被引量：1

1

作者 赵海燕 乌有腾 任梦晗 《内蒙古民族大学学报(自然科学版)》 2025年第1期22-27,共6页

针对目前皮肤病辅助分类技术所应用的网络模型参数量大、分类准确率不高的问题,提出了一种基于迁移学习的改进EfficientNet皮肤病分类方法。该方法应用迁移学习思想对轻量级深度卷积神经网络EfficientNet进行改进,具体包括添加全局平均... 针对目前皮肤病辅助分类技术所应用的网络模型参数量大、分类准确率不高的问题,提出了一种基于迁移学习的改进EfficientNet皮肤病分类方法。该方法应用迁移学习思想对轻量级深度卷积神经网络EfficientNet进行改进,具体包括添加全局平均池化层、冻结不同层数等对模型进行微调,形成TL-EfficientNet网络。实验结果表明,TL-EfficientNetB0在经类别权重预处理后的ISIC2018皮肤病数据集上的准确率达到85.07%,Macro_P达到0.82,网络参数只有4.49 M,适合部署到移动端。 展开更多

关键词 迁移学习 轻量级卷积神经网络 efficientnet 皮肤病分类

在线阅读 下载PDF 职称材料

基于迁移学习和改进EfficientNet-B0的脑肿瘤分类算法

2

作者 王勇 杨义龙 +2 位作者 范晓晖 周雷 孔祥勇 《电子科技》 2025年第4期46-51,共6页

针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集... 针对现有脑肿瘤分类模型和方法复杂度高以及识别率低等问题,文中提出一种基于改进EfficientNet-B0的模型用于3种脑肿瘤分类。在数据预处理阶段,使用ROI(Region of Interest)特征裁剪出脑肿瘤图像的关键特征区域,并按肿瘤类型扩增数据集。根据卷积网络设计思想重新设计了EfficientNet中的MBConv(Mobile Inverted Bottleneck Convolution)模块,在首步卷积后引入卷积注意力CBAM(Convolutional Block Attention Module)。为了更完整地进行迁移学习,在不修改原始输出结构的基础上外接3个神经元用于脑肿瘤的三分类。改进网络模型具有更低的复杂度,可更好地适应肿瘤病灶的识别。文中利用迁移学习方法在公开数据集figshare-Brain Tumor Dataset上进行微调。实验结果表明,改进模型在该公共数据集上分类准确率为99.67%,相较于原始EfficientNet-B0网络提升了约3.1百分点。 展开更多

关键词 脑肿瘤分类 深度学习 卷积神经网络 阈值化处理 类平衡 efficientnet ECA注意力机制 CBAM注意力机制

在线阅读 下载PDF 职称材料

基于小波变换和EfficientNet网络的雷达信号脉内调制识别

3

作者 贺重阳 陈旗 +1 位作者 赵瑞轩 陆剑雄 《兵器装备工程学报》 北大核心 2025年第S1期386-392,共7页

为提高传统卷积神经网络在低信噪比条件下对多类雷达信号脉内调制识别准确率,提出一种基于小波变换和EfficientNet网络的雷达信号脉内调制识别方法。该方法先对7种不同脉内调制的雷达信号通过连续小波变换(CWT)提取时频特征,利用Efficie... 为提高传统卷积神经网络在低信噪比条件下对多类雷达信号脉内调制识别准确率,提出一种基于小波变换和EfficientNet网络的雷达信号脉内调制识别方法。该方法先对7种不同脉内调制的雷达信号通过连续小波变换(CWT)提取时频特征,利用EfficientNet复合缩放策略,通过统一缩放网络深度、宽度和分辨率,深入挖掘信号特征,实现对雷达信号的脉内调制识别。对比传统的单一维度缩放方法,能够更快提高模型性能,并且兼具高效性和轻量性。实验结果表明,该模型在信噪比为-5 dB的条件下对7种调制的识别率可达到82.45%,对比ResNet-50识别准确率提升了2.99%。在混合信噪比环境的对比实验中,SNR=-5 dB时,该算法的综合识别率可达87.5%。 展开更多

关键词 雷达信号 调制识别 efficientnet网络 连续小波变换 时频特征

在线阅读 下载PDF 职称材料

基于改进EfficientNet模型的轻量化滚动轴承故障诊断方法 被引量：3

4

作者 戴莹钰 李靖超 +3 位作者 赵莹 刘艳丽 王申华 张斌 《制造技术与机床》 北大核心 2024年第9期9-15,共7页

相比依赖于人工分析且无法充分提取信号中丰富信息的传统故障诊断方法,采用深度学习模型可以取得更理想的识别效果,但依然存在所使用的模型参数量大、计算成本高的问题。文章提出一种将格拉姆角场(gramian angular field,GAF)编码方式... 相比依赖于人工分析且无法充分提取信号中丰富信息的传统故障诊断方法,采用深度学习模型可以取得更理想的识别效果,但依然存在所使用的模型参数量大、计算成本高的问题。文章提出一种将格拉姆角场(gramian angular field,GAF)编码方式与改进的EfficientNet-B0模型相结合的方法进行轴承的故障诊断。首先,一维轴承信号经过格拉姆角场编码为二维时序图像;其次,将二维图像输入引入注意力机制CBAM模块的EfficientNet-B0模型中自动进行特征提取和分类识别;最后,在仿真试验环节使用凯斯西储大学与德国帕德博恩大学的轴承数据集,基于格拉姆角场与EfficientNet-B0-CBAM模型的诊断方法对轴承故障的识别准确率分别可达到99.90%和98.04%,可以得出所提出的方法在保持模型轻量化特点的基础上拥有更高的识别准确率和更好的泛化能力。 展开更多

关键词 智能故障诊断 格拉姆角场 轻量化卷积神经网络 efficientnet-B0 注意力机制 CBAM

在线阅读 下载PDF 职称材料

基于EfficientNet网络的水声通信信号调制识别

5

作者 赵瑞轩 陈旗 +1 位作者 吴浩然 陆剑雄 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第S01期436-440,共5页

提出一种基于EfficientNet网络的复杂水声信道下非合作水声通信信号调制识别方法。与传统的深度学习网络相比,EfficientNet网络具有更高的效率和更小的模型大小。该方法通过对2FSK、4FSK、BPSK、QPSK、DSSS-BPSK和OFDM水声通信信号的时... 提出一种基于EfficientNet网络的复杂水声信道下非合作水声通信信号调制识别方法。与传统的深度学习网络相比,EfficientNet网络具有更高的效率和更小的模型大小。该方法通过对2FSK、4FSK、BPSK、QPSK、DSSS-BPSK和OFDM水声通信信号的时频特征进行分析,将二维时频图作为EfficientNet网络的训练集和测试集,使用训练集训练EfficientNet网络模型,并使用测试集确定模型的准确性和效率,完成对水声通信信号的调制识别。实验结果表明:在内场实验中,信噪比大于8 dB时,所研究6种信号的调制识别率均在85%以上;通过外场数据测试,信号调制识别率均在80%以上,验证了该方法在减少模型的大小和计算成本的同时,可保证较高的水声通信信号的调制识别准确率。 展开更多

关键词 水声通信信号 深度学习 efficientnet网络 时频特征 调制识别

在线阅读 下载PDF 职称材料

基于改进EfficientNet的花椒虫害识别模型 被引量：1

6

作者 黄诗锐 王天一 +1 位作者 李论 蒋宁 《智能计算机与应用》 2024年第3期203-206,共4页

花椒虫害会导致花椒生长异常、产量下降和品质恶化。为及时准确地发现花椒虫害,本文提出了一种基于Efficient-Net的花椒虫害识别模型。通过实验对比GoogleNet、MobileNetV2、MobileNetV3、ShuffleNetV2、EfficientNet等深度学习网络,选... 花椒虫害会导致花椒生长异常、产量下降和品质恶化。为及时准确地发现花椒虫害,本文提出了一种基于Efficient-Net的花椒虫害识别模型。通过实验对比GoogleNet、MobileNetV2、MobileNetV3、ShuffleNetV2、EfficientNet等深度学习网络,选取识别效果最好的EfficientNet网络构建花椒虫害识别模型,并通过改进MBConv模块提高模型的准确率。实验结果表明,改进后的模型准确率为94%,相比原始的EfficientNet网络提高了2%。本文提出的基于EfficientNet的花椒虫害识别模型具有较好的检测效果,能够应用于实际花椒地场景,对花椒虫害的监测和防治提供了有效的工具。 展开更多

关键词 花椒 虫害识别 efficientnet 空间注意力机制 网络

在线阅读 下载PDF 职称材料

基于MTF-DCGAN的齿轮箱故障诊断方法研究

7

作者 杨敏 孙文磊 +4 位作者 刘志远 钟荟玄 辜英政 王云浩 张宇 《机床与液压》 北大核心 2025年第12期17-24,共8页

为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像... 为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像,按比例划分训练集和测试集;将训练集数据与随机向量输入至深度卷积生成对抗网络(DCGAN)模型中,交替训练生成器和判别器直至实现纳什均衡,生成与原始样本特征相似的新增样本,以此扩充故障数据集;最后,对EfficientNet的MBConv模块数量和激活函数进行改进,并将原始样本及增广后的样本集导入改进后的EfficientNet中进行特征提取,实现齿轮箱故障的识别与分类。结果表明:所提方法显著提高了样本不均衡情况下齿轮箱故障的诊断准确率,具有维度变换简单和模型参数量小的优势,加快了收敛速率。 展开更多

关键词 故障诊断 马尔可夫转移场 深度卷积生成对抗网络 改进efficientnet 齿轮箱

在线阅读 下载PDF 职称材料

基于迁移学习及通道先验注意力机制的地质构造识别

8

作者 刘俊杰 马凯 +4 位作者 黄泽华 田苗 邱芹军 陶留锋 谢忠 《广西师范大学学报(自然科学版)》 北大核心 2025年第2期107-120,共14页

针对平面地质图件中地质构造背景复杂、符号表示多样化而导致识别效果不佳的问题,本文提出一种基于迁移学习和通道先验注意力机制的地质构造识别模型MsAttenEfficientNet。该模型以EfficientNet为主干网络架构,并使用通道先验注意力(cha... 针对平面地质图件中地质构造背景复杂、符号表示多样化而导致识别效果不佳的问题,本文提出一种基于迁移学习和通道先验注意力机制的地质构造识别模型MsAttenEfficientNet。该模型以EfficientNet为主干网络架构,并使用通道先验注意力(channel prior convolution attention,CPCA)模块替换EfficientNet特征提取模块MBConv中的压缩和激励网络(squeeze-and-excitation net,SENet),使模型能够动态地分配通道和空间注意力权重,更准确地捕捉到图像中的重要区域和空间结构;其次对顶层预测模块进行改进,引入Swish激活函数和Dropout层,加强模型的泛化性能;最后使用Adam优化算法提高网络的收敛速度,并利用迁移学习实现特征参数共享。通过在地质构造数据集GeoStr18上进行训练及测试,实验结果表明,MsAttenEfficientNet模型对地质构造的识别精准率为96.92%,召回率为96.89%,F 1分数为96.90%,优于ResNet50、ShuffleNetV2和DenseNet121等主流分类识别模型,可有效用于地质构造识别。 展开更多

关键词 图像识别 地质构造 efficientnet网络 通道先验注意力 迁移学习

在线阅读 下载PDF 职称材料

基于SK-EfficientNet的番茄叶片病害识别模型 被引量：12

9

作者 帖军 隆娟娟 +2 位作者 郑禄 牛悦 宋衍霖 《广西师范大学学报（自然科学版）》 CAS 北大核心 2022年第4期104-114,共11页

针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法。该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换Effic... 针对目前番茄叶片病害识别的深度学习模型网络参数量多、精确度低、移动端模型部署难的问题,提出一种基于SK-EfficientNet的番茄叶片病害识别方法。该方法采用轻量级模型EfficientNet作为基准模型,并利用选择性卷积核机制SKNet替换EfficientNet核心模块MBConv中的SENet,使得卷积核根据输入特征的多尺度信息自适应选择感受野大小,提高图像特征提取能力同时更有效地利用参数。多组对比实验结果显示,改进后的模型在训练精度上得到进一步提高,且模型参数仅为3.83 MiB。在PlantVillage数据集上平均准确率达到99.64%,且验证SK-EfficientNet-B2的识别精度最高;在自然场景下平均准确率较原模型提高3.81个百分点。结果表明,改进后模型能有效提高自然场景下番茄叶片病害识别精度,可为移动端部署番茄叶片病害识别模型提供参考。 展开更多

关键词 番茄叶片 病害识别 efficientnet网络 SKNet MBConv

在线阅读 下载PDF 职称材料

基于图像处理技术的棚室番茄果实识别 被引量：1

10

作者 陈翠琴 孟清 《农机化研究》 北大核心 2025年第1期189-193,共5页

我国番茄的产量居世界前列,种植的主要方式为棚室种植,大多采用人工采摘,成本高、效率低,不利于种植产业的发展。为此,提出了一种基于A-ENet模型的图像处理技术,用于棚室番茄果实的识别。A-ENet模型在EfficientNet运行时引入注意力机制... 我国番茄的产量居世界前列,种植的主要方式为棚室种植,大多采用人工采摘,成本高、效率低,不利于种植产业的发展。为此,提出了一种基于A-ENet模型的图像处理技术,用于棚室番茄果实的识别。A-ENet模型在EfficientNet运行时引入注意力机制,用于优化深度网络运算结果。EfficientNet通过调整、完善网络的宽度、深度等网络参数提升网络的识别准确率,同时在网络提取输入信号特征时引入注意力机制用于捕捉输入信号特征的权重信息,主动忽略环境因素对目标信号的干扰。A-ENet模型能够解决由于识别目标之间的细微差异产生的识别错误的问题,且能够减少随机环境因素对识别过程的干扰,提高识别成功率,对棚室番茄果实识别问题起到积极的影响作用。实验结果表明:所提出的基于图像处理技术的A-ENet模型能够构建出效率更高、鲁棒性更强的目标识别系统。 展开更多

关键词 番茄果实 efficientnet 注意力机制 图像处理技术 深度网络

在线阅读 下载PDF 职称材料

基于EfficientNet-B5级联U型网络的视网膜血管分割方法 被引量：2

11

作者 雷帮军 陈玮华 +1 位作者 夏平 张光一 《国外电子测量技术》 北大核心 2022年第8期19-26,共8页

针对视网膜图像细小血管难以分割以及病灶误分割等问题,提出了一种基于EfficientNet-B5级联U型网络的视网膜血管分割方法。首先,采用EfficientNet-B5编码器对图像特征编码,提取图像更深层特征;其次,引入空洞空间卷积池化金字塔模块有效... 针对视网膜图像细小血管难以分割以及病灶误分割等问题,提出了一种基于EfficientNet-B5级联U型网络的视网膜血管分割方法。首先,采用EfficientNet-B5编码器对图像特征编码,提取图像更深层特征;其次,引入空洞空间卷积池化金字塔模块有效地提取视网膜图像中的多尺度特征信息;在双卷积块中加入高效通道注意力捕获跨通道交互的信息;然后,采用级联U型结构,后一级网络对前一级网络的血管分割结果进行细化与优化;最后,采用形态学算子对网络输出的分割图像进行后处理。在CHASE_DB1数据集上的实验结果表明,该算法的F1值、特异度、准确率及AUC分别为79.57%、98.21%、96.30%和97.51%,相比FC-RCF、U-Net和Res-UNet等算法均有提升。该算法在精确地分割血管的同时表现出较好的抗干扰性能。 展开更多

关键词 视网膜血管分割 级联U型网络 efficientnet-B5编码器 高效通道注意力

原文传递

基于Efficient Net的井地电阻率法反演研究

12

作者 余祥庆 《仪器仪表用户》 2025年第1期59-61,共3页

针对传统井地电阻率法反演方法存在依赖初始模型、反演时间较长等问题,提出一种基于改进Efficient Net反演方法。该方法首先通过Gmsh构造不同形状和不同电阻率的井地地电模型,通过正演得到视电阻率数据,组成数据集;然后在经典的Efficien... 针对传统井地电阻率法反演方法存在依赖初始模型、反演时间较长等问题,提出一种基于改进Efficient Net反演方法。该方法首先通过Gmsh构造不同形状和不同电阻率的井地地电模型,通过正演得到视电阻率数据,组成数据集;然后在经典的Efficient Net网络基础上进行改进得到一种新的反演网络Efficient Net-B 0,并使用上述数据集训练该网络;最后将视电阻率数据输入到训练好的网络中,直接得到反演结果。实验结果表明,该方法能快速、准确地反演出异常体的位置、形态和电阻率值。 展开更多

关键词 efficientnet网络 Gmsh 反演 井地电阻率法

在线阅读 下载PDF 职称材料

联合集成学习与EfficientNet的光学遥感图像场景分类 被引量：12

13

作者 宝音图 刘伟 +2 位作者 牛朝阳 李润生 张浩波 《计算机工程》 CAS CSCD 北大核心 2021年第10期226-235,共10页

深度学习能够提高光学遥感图像场景分类的准确率和效率,但光学遥感图像语义丰富,部分场景仍存在易误分类的情况,同时由网络模型规模扩大带来的硬件要求过高、时间成本消耗过大等问题制约着深度学习网络模型的推广应用。为此,提出一种基... 深度学习能够提高光学遥感图像场景分类的准确率和效率,但光学遥感图像语义丰富,部分场景仍存在易误分类的情况,同时由网络模型规模扩大带来的硬件要求过高、时间成本消耗过大等问题制约着深度学习网络模型的推广应用。为此,提出一种基于轻量化网络模型的光学遥感图像场景分类方法。通过EfficientNet网络提取图像特征,对图像特征进行复合提取以生成语义信息更丰富的新特征,利用多个子分类器构建集成学习模块解析新特征得到预分类结果,集成加权预分类结果以获得最终的分类结果。在AID和NWPU-RESISC45数据集上的实验结果表明,即使只训练20%的数据样本,该方法也能分别达到94.32%和93.36%的准确率,相对D-CNNs、CNN-CapsNet等方法,所提方法对易误分类场景有更好的分类效果,且参数量和浮点运算量大幅减少。 展开更多

关键词 光学遥感图像 场景分类 深度学习 集成学习 efficientnet网络

在线阅读 下载PDF 职称材料

基于孪生网络和度量学习的牛脸检测与识别模型

14

作者 刘晋维 李富忠 +2 位作者 陈新文 郑文新 郭雷风 《计算机技术与发展》 2025年第9期175-181,共7页

随着全球畜牧业的持续发展,对精确、可靠的牛只监控需求日益增加。传统的标记方法如耳标和RFID射频识别虽然广泛使用,但存在着易丢失、维护成本高等缺点,并且不利于动物福祉。牛脸识别作为一种生物特征识别技术,能够克服这些限制,从而... 随着全球畜牧业的持续发展,对精确、可靠的牛只监控需求日益增加。传统的标记方法如耳标和RFID射频识别虽然广泛使用,但存在着易丢失、维护成本高等缺点,并且不利于动物福祉。牛脸识别作为一种生物特征识别技术,能够克服这些限制,从而减少对牛只的潜在伤害。然而,传统牛脸识别方法常常受到识别精度和环境适应性的限制。为了解决上述问题,该文设计了一种基于孪生网络与度量学习的牛脸检测与识别模型CowSiamese。此模型先利用改进的YOLOv8s检测牛脸位置,再进行特征度量学习对牛只个体进行识别。首先,提出了一个基于改进EfficientNet的孪生网络结构,并在其中融入了3D多尺度注意力机制。其次,为了进一步提高特征区分度,对Arcface损失函数进行了改进,提出了一种新的度量学习损失函数Tri-Arcface,该损失函数可以更有效地优化特征空间的几何分布。实验结果显示,模型在识别准确率、召回率及F 1分数分别达到99.4%、98.6%和99.5%,与现有技术相比,在识别精度上有显著提升。 展开更多

关键词 牛脸识别 孪生网络 牛脸检测 度量学习 改进efficientnet Tri-Arcface

在线阅读 下载PDF 职称材料

基于改进EfficientNet的锻件磁粉探伤智能检测方法研究 被引量：15

15

作者 王宸 唐禹 +2 位作者 张秀峰 刘超 李丁龙 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第9期89-96,共8页

针对锻件生产企业零件缺陷检测效率低下,检测精度不高的问题,提出一种基于改进EfficientNet模型(EfficientNet-F),对两种锻件的荧光磁粉探伤图像进行检测。构建以EfficientNet为主干特征提取网络的深度学习模型,并引入特征金字塔为特征... 针对锻件生产企业零件缺陷检测效率低下,检测精度不高的问题,提出一种基于改进EfficientNet模型(EfficientNet-F),对两种锻件的荧光磁粉探伤图像进行检测。构建以EfficientNet为主干特征提取网络的深度学习模型,并引入特征金字塔为特征融合层,进而提高模型的多尺度特征融合能力;引入完备交并比和注意力机制以提高模型鲁棒性和检测效率。同时,搭建荧光磁粉探伤图像采集平台,构建缺陷样本数据集。试验表明,EfficientNet-F的最优模型在测试集上的均值平均精度达到了95.03%。F1得分值为0.96,浮点运算数为1.86 B。相较于其他深度学习模型,该方法提高了检测的精度和效率,可以满足相关生产企业的需求。 展开更多

关键词 磁粉探伤 法兰盘 油缸盖 efficientnet-F 特征金字塔

原文传递

基于EfficientNet与点云凸包特征的奶牛体况自动评分 被引量：19

16

作者 赵凯旋 刘晓航 姬江涛 《农业机械学报》 EI CAS CSCD 北大核心 2021年第5期192-201,73,共11页

为进一步提高奶牛体况自动评分精度,构建了一种基于点云凸包距离的三维结构特征图,将其作为EfficientNet深度学习网络的输入,可实现奶牛体况自动评分误差在0.25以内识别的准确率提升。首先,对获取的奶牛背部深度图像进行预处理,得到含... 为进一步提高奶牛体况自动评分精度,构建了一种基于点云凸包距离的三维结构特征图,将其作为EfficientNet深度学习网络的输入,可实现奶牛体况自动评分误差在0.25以内识别的准确率提升。首先,对获取的奶牛背部深度图像进行预处理,得到含有主要体况信息从奶牛腰角骨到臀骨区域的点云;其次,对点云进行体素化和凸包化,计算每个外围体素到最近凸包面之间的距离,并投影至X-Y平面上,得到结构特征图;构建EfficientNet网络分类模型,采用鲸鱼优化算法(Whale optimization algorithm,WOA)对其缩放系数进行优化;最后,利用77头奶牛的5 119幅深度图像对模型进行训练、验证与测试,数据集比例为5∶3∶2。结果表明,奶牛体况评分(BCS)范围在2.25~4.00内,测试集中EfficientNet模型精准识别的图像达到73.12%,BCS识别误差在0.25和0.50以内的图像占比分别为98.6%和99.31%,平均识别速率为3.441 s/f,识别效果优于MobileNet-V2、XceptionNet和LeNet-5等模型。该方法可实现规模化养殖场中奶牛个体体况的无接触评定,具有精度高、适用性强、成本低等特点。 展开更多

关键词 奶牛 体况评分 凸包特征 efficientnet网络 深度学习

在线阅读 下载PDF 职称材料

基于改进EfficientNet的乳腺肿瘤诊断 被引量：1

17

作者 方祯祺 李雪 莫红 《智能科学与技术学报》 CSCD 2023年第4期505-514,共10页

乳腺肿瘤严重影响女性的身心健康。病理学图像分析是医生诊断乳腺肿瘤的一个重要方法,不同类型肿瘤细胞的结构具有高度的相关性,这使得常规方法的诊断不易进行。改进的EfficientNet被用来诊断乳腺肿瘤,其使网络模型能自动学习疾病的特... 乳腺肿瘤严重影响女性的身心健康。病理学图像分析是医生诊断乳腺肿瘤的一个重要方法,不同类型肿瘤细胞的结构具有高度的相关性,这使得常规方法的诊断不易进行。改进的EfficientNet被用来诊断乳腺肿瘤,其使网络模型能自动学习疾病的特征并提高乳腺肿瘤诊断的准确率。基于此,首先,采用卷积块注意力模型提取乳腺肿瘤病理图像的有效特征;其次,引入分组卷积和通道混洗操作来提高模型的特征表达能力;再次,利用Hard-Swish激活函数提升模型的收敛速度;最后,实验验证了改进后的EfficientNet在BreakHis数据集上的8分类准确率达到98.4%,该方法成为乳腺肿瘤诊断的一个有力的决策辅助工具。 展开更多

关键词 乳腺肿瘤 efficientnet 图像分类 卷积神经网络

原文传递

基于深度迁移学习的EfficientNet玉米叶部病害识别 被引量：20

18

作者 王大庆 禄琳 +2 位作者 于兴龙 耿丽丽 任志鹏 《东北农业大学学报》 CAS CSCD 北大核心 2023年第5期66-76,共11页

灰斑病、锈病和大斑病给玉米产业造成巨大经济损失,精准诊断可降低其对农业发展的不良影响。文章基于深度迁移学习理论提出一种两阶段迁移学习的EfficientNet模型,解决识别复杂背景玉米叶部病害过程中出现的域迁移和小样本问题。经Image... 灰斑病、锈病和大斑病给玉米产业造成巨大经济损失,精准诊断可降低其对农业发展的不良影响。文章基于深度迁移学习理论提出一种两阶段迁移学习的EfficientNet模型,解决识别复杂背景玉米叶部病害过程中出现的域迁移和小样本问题。经ImageNet至Plant Village及Plant Village至本地数据集(Localdataset)的两阶段迁移学习后,微调的EfficientNet模型与先进的深度网络模型在预留的玉米病叶数据集上进行预测。两阶段迁移学习试验表明,EfficientNet B4模型性能最优。第一阶段和第二阶段B4模型准确率分别达到98.61%和99.10%,F1分数达到0.9840和0.9908,此外B4模型参数量比先进深层卷积神经网络少。B0模型参数量对标轻量级卷积神经网络,识别效果优于两种经典MobileNet结构,更适合移动端搭载。此外,训练过程中应用Mish激活函数可提升模型性能。经两阶段迁移学习的EfficientNet有效解决训练不充分和域迁移等问题,为田间复杂背景下玉米叶部病害识别提供应用实例,为智慧农业移动设备开发提供理论基础。 展开更多

关键词 卷积神经网络 迁移学习 玉米叶片 病害识别 efficientnet

在线阅读 下载PDF 职称材料

基于YOLOv4-EfficientNet B7的桥梁裂缝检测方法研究 被引量：5

19

作者 杜敏 杨国庆 张慧 《天津城建大学学报》 CAS 2023年第1期55-61,共7页

由于桥梁裂缝图像具有分布不规则、缝宽较小、背景像素比例较高等特性,为提高其检测精度和速度,提出了一种改进的YOLOv4算法,优化原主干网络CSPDarkNet53为EfficientNet B7网络以增强特征学习能力,并使用深度可分离卷积代替标准卷积,在... 由于桥梁裂缝图像具有分布不规则、缝宽较小、背景像素比例较高等特性,为提高其检测精度和速度,提出了一种改进的YOLOv4算法,优化原主干网络CSPDarkNet53为EfficientNet B7网络以增强特征学习能力,并使用深度可分离卷积代替标准卷积,在提升模型运行效率的同时,也提高了其检测精度和准确率.并通过平移、旋转等数据增强方法将数据集正负样本扩增至6371张,增强了网络的拟合效果和泛化能力.实验结果表明:YOLOv4-EfficientNet B7的均值平均精度(Mean Average Precision,mAP)为80.11%,比YOLOv4的高出3.85%;检测精确率(precision)为80.13%,召回率(recall)由74.34%提升至78.63%,F1值(F1-score)高达80.61%,提高了2.94%;相较于原YOLOv4算法,检测精确率提高了1.86%,召回率增长了4.29%;与其他主流的裂缝检测算法相比,本算法在mAP和召回率上都有了显著提升,实现了精确检测桥梁裂缝的目的. 展开更多

关键词 桥梁裂缝检测 YOLOv4 主干网络 efficientnet B7网络

在线阅读 下载PDF 职称材料

基于改进EfficientNet的板栗分级方法

20

作者 李志臣 凌秀军 +1 位作者 李鸿秋 李志军 《中国农机化学报》 北大核心 2023年第12期180-185,共6页

针对人工或机械振动筛对板栗分级精度低的问题,提出基于浅层卷积神经网络的板栗分级方法。用小米手机拍摄获取5种级别板栗的5481幅图像应用于卷积网络模型的训练、验证和测试。学习EfficientNet的网络结构,设计的浅层卷积神经网络(Efnet... 针对人工或机械振动筛对板栗分级精度低的问题,提出基于浅层卷积神经网络的板栗分级方法。用小米手机拍摄获取5种级别板栗的5481幅图像应用于卷积网络模型的训练、验证和测试。学习EfficientNet的网络结构,设计的浅层卷积神经网络(Efnet-1)由1个普通卷积模块和3个MB卷积模块构成板栗图像特征提取器。特征提取器连接一个由全局平均池化层、隐含层和输出层组成的分类器。在Efnet-1模型的训练过程中对相关超参数进行优化。对比分析Efnet-1与深度学习模型AlexNet的板栗分级性能。Efnet-1对板栗的分级准确率是98.68%,坏板栗被分为好的板栗的比例不大于0.9%。Efnet-1的板栗图像分类时间为62 ms。改进的卷积神经网络模型Efnet-1对板栗的分级快速而准确,为板栗的自动化分级提供技术基础。 展开更多

关键词 板栗分级 卷积神经网络 efficientnet 批归一化

在线阅读 下载PDF 职称材料