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MobileNetV3-Large食物图像分类算法研究
1
作者 何伟婵 杨志景 秦景辉 《粮油食品科技》 北大核心 2025年第2期90-96,共7页
食物图像识别在食物安全监控、营养分析以及饮食推荐系统中发挥重要作用。然而,食物图像的多样性、复杂性以及光照等外部因素给识别任务带来了诸多难度和挑战。为了解决这些问题,提出了一种基于改进MobileNetV3-Large食物图像分类算法。... 食物图像识别在食物安全监控、营养分析以及饮食推荐系统中发挥重要作用。然而,食物图像的多样性、复杂性以及光照等外部因素给识别任务带来了诸多难度和挑战。为了解决这些问题,提出了一种基于改进MobileNetV3-Large食物图像分类算法。在MobileNetV3-Large预训练模型基础上,引入PReLu激活函数和NAM注意力机制,通过捕捉图像中的非局部依赖关系来增强模型对关键特征的关注度;引入了多任务损失函数,通过同时优化多个相关任务来进一步提升分类性能;采用了TrivialAugment数据增强技术,通过扩展训练数据集的规模和多样性来增强模型的泛化能力。实验结果表明,通过这些改进,模型在Food-101数据集上的准确率从66.9%提升至84.2%,证明了所提方法的有效性。 展开更多
关键词 MobileNetV3-Large NAM注意力机制 prelu激活函数 TrivialAugment数据增强
在线阅读 下载PDF
融合注意力机制和二次特征提取的ResNet小样本农作物病虫害识别
2
作者 汪志立 王定成 +3 位作者 曹蓉 郑梦丽 刘亚鹏 卓欣 《计算机系统应用》 2024年第9期208-215,共8页
针对传统机器学习方法对于小样本和多类别的农作物叶片病虫害识别效果和时间不理想的问题,本文利用改进的ResNet模型来实现农作物病害识别.通过加入dropout层、激活函数、最大池化层和注意力机制来提高模型的鲁棒性、特征捕捉能力、实... 针对传统机器学习方法对于小样本和多类别的农作物叶片病虫害识别效果和时间不理想的问题,本文利用改进的ResNet模型来实现农作物病害识别.通过加入dropout层、激活函数、最大池化层和注意力机制来提高模型的鲁棒性、特征捕捉能力、实现了用较低的模型参数量来提高病虫害识别的准确率.首先对从公共数据集Plant Village获取的图像进行预处理和增强,将ReLU激活函数替换为PReLU,解决ReLU函数在小于0部分神经元坏死的问题;然后在全局平均池化层之前加入dropout层,设置合理的阈值,有效避免过拟合现象的发生,增强模型的鲁棒性;此外,在dropout与全局平均池化层之间加入最大池化层,不仅能扩大神经元的感受野,还能帮助模型获取局部病虫害的最显著特征,减小图片背景的噪声影响,实现二次特征提取;最后嵌入CBAM注意力机制,使模型自动学习输入特征图中最重要的通道信息,并对其进行通道与空间之间加权,从而更好地捕捉图像中的语义信息.实验结果表明,改进后的模型对测试集识别准确度达99.15%,模型参数量仅为9.13M,与Xception、InceptionV3、原ResNet等模型相比,准确率分别超过了1.01,0.68,0.59个百分点,降低了模型参数量,为农作物病虫害识别提供了一种先进的深度学习方法. 展开更多
关键词 病虫害识别 注意力机制 迁移学习 最大池化 激活函数prelu
在线阅读 下载PDF
超深卷积神经网络的图像超分辨率重建研究 被引量：10
3
作者 连逸亚 吴小俊 《计算机工程》 CAS CSCD 北大核心 2019年第1期217-220,共4页
针对VDCN网络结构在大尺度因子上超分辨率效果较差的缺点,提出一种高精度单图像超分辨率重建方法。将ReLU激活函数更换为PReLU激活函数,增加网络层数,使用25个带PReLU激活函数的卷积层进行训练和测试。实验结果表明,与VDCN方法相比,该... 针对VDCN网络结构在大尺度因子上超分辨率效果较差的缺点,提出一种高精度单图像超分辨率重建方法。将ReLU激活函数更换为PReLU激活函数,增加网络层数,使用25个带PReLU激活函数的卷积层进行训练和测试。实验结果表明,与VDCN方法相比,该方法耗费时间较少,且性能更稳定。 展开更多
关键词 卷积神经网络 图像超分辨率 prelu激活函数 深度学习 网络深度
在线阅读 下载PDF
改进的Alexnet模型在水稻害虫图像识别中的应用 被引量：17
4
作者 肖小梅 杨红云 +3 位作者 易文龙 万颖 黄琼 罗建军 《科学技术与工程》 北大核心 2021年第22期9447-9454,共8页
深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、... 深度学习技术能以端对端方式实现农作物害虫识别,克服了传统机器学习方法特征选择具有主观性以及提取特征操作繁琐等不足,但识别的准确率和鲁棒性仍有待提高。为了研究出一种快速,高效的水稻害虫识别方法,本研究以稻纵卷叶螟、三化螟、稻蝗、稻飞虱4种常见的水稻害虫为研究对象,对传统的卷积神经网络Alexnet进行优化改进。首先从自然环境以及搜索引擎上获取4种不同的水稻害虫图像,并对图像进行数量扩增和细节增强预处理。然后对传统的卷积神经网络Alexnet进行优化改进,在Alexnet模型基础上,去除原有局部响应归一化层,在每一个卷积层后加入批归一化层,并采用全局平均池化和激活函数PReLU对模型结构进行优化。结果表明:改进后的模型在害虫数据集上的识别率不低于98%,相比于原网络提升了1.96%,高于LeNet5、VGG13、VGG16等传统网络;改进后的模型的损失值稳定在0.03附近,相比于原网络降低了0.1,均低于LeNet5、VGG13、VGG16等传统网络。从实验结果来看,改进后的方法在水稻害虫分类上有较高的识别率和较好的鲁棒性,可以为农作物害虫的智能识别提供了新的思路和方法。 展开更多
关键词 水稻虫害 Alexnet模型 批归一化 全局平均池化 激活函数prelu
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