期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于F^(3)Net显著性目标检测的蝴蝶图像前背景自动分割
被引量：
4
1
作者
黄世国
洪铭淋
+3 位作者
张飞萍
何海洋
陈亿强
李小林
《昆虫学报》
CAS
CSCD
北大核心
2021年第5期611-617,共7页
【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F^(3)Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴...
【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F^(3)Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F^(3)Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F^(3)Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940,0.945,0.938,0.024,0.929,0.978和0.909。迁移学习则进一步提升了F^(3)Net的上述指标值,分别为0.961,0.964,0.963,0.013,0.965,0.967和0.938。【结论】研究结果证明结合迁移学习的F^(3)Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。
展开更多
关键词
蝴蝶
显著性目标检测
深度学习
图像分割
自动分割
F^(3)Net
下载PDF
职称材料
基于差分进化和森林优化混合的特征选择
被引量：
7
2
作者
林达坤
黄世国
+1 位作者
林燕红
洪铭淋
《小型微型计算机系统》
CSCD
北大核心
2019年第6期1210-1214,共5页
特征选择在分类中是一个极其困难而又重要的问题.为实现精确、快速地筛选特征,本研究针对森林优化算法收敛速度过慢的问题,将差分进化算法与森林优化算法结合,引入一种反馈机制,提出了差分进化和森林优化混合的算法并将其用于特征选择问...
特征选择在分类中是一个极其困难而又重要的问题.为实现精确、快速地筛选特征,本研究针对森林优化算法收敛速度过慢的问题,将差分进化算法与森林优化算法结合,引入一种反馈机制,提出了差分进化和森林优化混合的算法并将其用于特征选择问题.同时根据森林优化算法局部播种的特点,引入一种针对局部搜索阶段改进的K最近邻算法以降低计算量.差分进化和森林优化混合的算法在与其它特征选择算法的对比中展现了良好的性能,实验结果表明该算法具有较好的分类性能与稳定的收敛速度,且改进的K最近邻算法能够显著提升该算法的运行速度.因此,差分进化和森林优化混合的算法是一种有效的特征选择方法.
展开更多
关键词
差分进化
森林优化
反馈机制
特征选择
下载PDF
职称材料
题名
基于F^(3)Net显著性目标检测的蝴蝶图像前背景自动分割
被引量：
4
1
作者
黄世国
洪铭淋
张飞萍
何海洋
陈亿强
李小林
机构
福建农林大学
福建农林大学
出处
《昆虫学报》
CAS
CSCD
北大核心
2021年第5期611-617,共7页
基金
国家重点研发计划(2017YFD0600105)
福建省自然科学基金项目(2017J01607,2018J01612)
福建农林大学科技创新专项基金(KFA17030A,KFA17181A)。
文摘
【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F^(3)Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F^(3)Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F^(3)Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940,0.945,0.938,0.024,0.929,0.978和0.909。迁移学习则进一步提升了F^(3)Net的上述指标值,分别为0.961,0.964,0.963,0.013,0.965,0.967和0.938。【结论】研究结果证明结合迁移学习的F^(3)Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。
关键词
蝴蝶
显著性目标检测
深度学习
图像分割
自动分割
F^(3)Net
Keywords
Butterfly
salient object detection
deep learning
image segmentation
automatic segmentation
F^(3)Net
分类号
Q969 [生物学—昆虫学]
下载PDF
职称材料
题名
基于差分进化和森林优化混合的特征选择
被引量：
7
2
作者
林达坤
黄世国
林燕红
洪铭淋
机构
福建农林大学智慧农林褔建省高校重点实验室
生态公益林重大有害生物防控福建省高校重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第6期1210-1214,共5页
基金
福建省自然科学基金项目(2017J01607)资助
国家重点研发计划项目(2017YFD0600105)资助
福建农林大学科技创新专项基金项目(KFA17030A,KFA17181A)资助
文摘
特征选择在分类中是一个极其困难而又重要的问题.为实现精确、快速地筛选特征,本研究针对森林优化算法收敛速度过慢的问题,将差分进化算法与森林优化算法结合,引入一种反馈机制,提出了差分进化和森林优化混合的算法并将其用于特征选择问题.同时根据森林优化算法局部播种的特点,引入一种针对局部搜索阶段改进的K最近邻算法以降低计算量.差分进化和森林优化混合的算法在与其它特征选择算法的对比中展现了良好的性能,实验结果表明该算法具有较好的分类性能与稳定的收敛速度,且改进的K最近邻算法能够显著提升该算法的运行速度.因此,差分进化和森林优化混合的算法是一种有效的特征选择方法.
关键词
差分进化
森林优化
反馈机制
特征选择
Keywords
differential evolution
forest optimization
feedback mechanism
feature selection
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于F^(3)Net显著性目标检测的蝴蝶图像前背景自动分割
黄世国
洪铭淋
张飞萍
何海洋
陈亿强
李小林
《昆虫学报》
CAS
CSCD
北大核心
2021
4
下载PDF
职称材料
2
基于差分进化和森林优化混合的特征选择
林达坤
黄世国
林燕红
洪铭淋
《小型微型计算机系统》
CSCD
北大核心
2019
7
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
