期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
多茶类CNN图像识别的数据增强优化及类激活映射量化评价 被引量:1
1
作者 章展熠 张宝荃 +5 位作者 周立 杨垚 范冬梅 何卫中 马军辉 林杰 《茶叶科学》 CAS CSCD 北大核心 2023年第3期411-423,共13页
我国茶叶种类繁多,识别难度大。卷积神经网络(Convolutionalneuralnetwork,CNN)图像识别具有客观性、适应复杂图片背景且可移植于移动端的优势。但当前茶叶CNN图像识别缺乏对数据增强优化和识别准确性客观评价的研究,限制了模型识别的... 我国茶叶种类繁多,识别难度大。卷积神经网络(Convolutionalneuralnetwork,CNN)图像识别具有客观性、适应复杂图片背景且可移植于移动端的优势。但当前茶叶CNN图像识别缺乏对数据增强优化和识别准确性客观评价的研究,限制了模型识别的鲁棒性和泛化能力。采集29种常见茶类共6 123张图像构建数据集,对比了10种图像数据增强方法的ResNet-18(Residual network-18)训练效果;为了客观评价模型识别区域的准确性,构建了2个梯度加权类激活映射(Gradient-weighted class activation mapping,Grad-CAM)量化评价指标(IOB和MPI)。结果表明,网格擦除(Ratio=0.3)、分辨率扰动和HSV(Hue,Saturation,Value)颜色空间扰动是较优的数据增强方法,准确率(Accuracy)、损失值(Loss)、IOB和MPI等4个指标综合表现较优。进一步通过消融实验,得到了最佳的数据增强方法组合—水平镜像翻转+网格擦除(Ratio=0.3)+HSV颜色空间扰动,其模型测试准确率达到了99.82%、损失值仅有0.64,且IOB、MPI指标也表现较优,体现了较好的图像识别区域准确性。本研究对茶叶图像数据增强方法进行了优化,训练得到了高鲁棒性的多茶类CNN图像识别模型,构建的量化指标IOB和MPI也解决了CAM识别区域准确性客观评价的问题。 展开更多
关键词 茶类识别 卷积神经网络 图像识别 数据增强 类激活映射
下载PDF
金铁锁驯化栽培技术探讨 被引量:1
2
作者 周立 朱家通 +2 位作者 李朴科 刘再军 符光勇 《云南农业》 2014年第5期36-37,共2页
通过对金铁锁的驯化栽培,探索金铁锁种植条件和栽培技术,为人工繁育和保存这一珍稀濒危物种奠定基础。
关键词 金铁锁 驯化栽培 育苗移栽 田间管理 病虫防治
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部