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127篇文章
< 1 2 … 7 >
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：
基于深度卷积神经网络的水稻穗瘟病检测方法 被引量：99
1
作者 黄双萍 孙超 +2 位作者 齐龙 马旭 汪文娟 《农业工程学报》 EI CAS CSCD 北大核心 2017年第20期169-176,共8页
穗瘟是一种严重影响水稻产量及品质的多发病害,有效地检测穗瘟是水稻病害防治的重要任务。该文提出基于深度卷积神经网络GoogLeNet模型的水稻穗瘟病检测方法,该方法利用Inception基本模块重复堆叠构建主体网络。Inception模块利用多尺... 穗瘟是一种严重影响水稻产量及品质的多发病害,有效地检测穗瘟是水稻病害防治的重要任务。该文提出基于深度卷积神经网络GoogLeNet模型的水稻穗瘟病检测方法,该方法利用Inception基本模块重复堆叠构建主体网络。Inception模块利用多尺度卷积核提取不同尺度穗瘟病斑分布式特征并进行级联融合。GoogLeNet利用其结构深度和宽度,学习复杂噪声高光谱图像的隐高维特征表达,并在统一框架中训练Softmax分类器,实现穗瘟病害预测建模。为验证该研究所提方法的有效性,以1 467株田间采集的穗株为试验对象,采用便携式户外高光谱成像仪Gaia Field-F-V10在自然光照条件下拍摄穗株高光谱图像,并由植保专家根据穗瘟病害描述确定其穗瘟标签。所有高光谱图像-标签数据对构成GoogLeNet模型训练和验证的原始数据集。该文采用随机梯度下降算法(SGD,stochastic gradient descent)优化GoogLeNet模型,提出随机扔弃1个波段图像和随机平移平均谱图像亮度的2种数据增强策略,增加训练数据规模,防止模型过拟合并改善其泛化性能。经测试,验证集上穗瘟病害预测最高准确率为92.0%。试验结果表明,利用GoogLeNet建立的深度卷积模型,可以很好地实现水稻穗瘟病害的精准检测,克服室外自然光条件下利用光谱图像进行病害预测面临的困难,将该类研究往实际生产应用推进一大步。 展开更多
关键词 病害 模型 图像处理 高光谱成像 穗瘟病检测 深度卷积神经网络 googlenet
下载PDF
卷积神经网络研究综述 被引量：85
2
作者 李炳臻 刘克 +1 位作者 顾佼佼 姜文志 《计算机时代》 2021年第4期8-12,17,共6页
回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上,重点介绍了有代表性的AlexNet、VGGNet、GoogLeNet、ResNet等,对他们所用到的技术进行剖析,归纳、总结、分析其优缺点,并指出卷积神经网络未来... 回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上,重点介绍了有代表性的AlexNet、VGGNet、GoogLeNet、ResNet等,对他们所用到的技术进行剖析,归纳、总结、分析其优缺点,并指出卷积神经网络未来的研究方向。 展开更多
关键词 卷积神经网络 AlexNet VGGNet googlenet ResNet
下载PDF
基于GoogLeNet深度迁移学习的苹果缺陷检测方法 被引量：55
3
作者 薛勇 王立扬 +1 位作者 张瑜 沈群 《农业机械学报》 EI CAS CSCD 北大核心 2020年第7期30-35,共6页
针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测... 针对目前国内苹果分选大部分以人工操作的现状,提出利用GoogLeNet深度迁移模型对苹果缺陷进行检测。检测结果表明,本文方法对扩充后的1932个训练样本的识别准确率为100%,对235个测试样本的识别准确率为91.91%。为评估目前苹果缺陷检测常用算法的性能,将GoogLeNet与浅层卷积神经网络(AlexNet和改进型LeNet-5)及传统机器学习方法(K-NN、RF、SVM)进行了对比,结果表明,与苹果缺陷检测的常用算法相比,本文方法具有更好的泛化能力与鲁棒性。 展开更多
关键词 苹果 缺陷检测 googlenet 深层卷积神经网络
下载PDF
基于迁移学习的GoogLeNet果园病虫害识别与分级 被引量：24
4
作者 万军杰 祁力钧 +2 位作者 卢中奥 周佳蕊 张豪 《中国农业大学学报》 CAS CSCD 北大核心 2021年第11期209-221,共13页
为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治,采用迁移学习技术与GoogLeNet模型相结合的方法,对6种果园作物的25类病虫害样本进行识别与危害程度分级研究;同时,探究不同数据集大小以及不同优化算法对模型性能的影响... 为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治,采用迁移学习技术与GoogLeNet模型相结合的方法,对6种果园作物的25类病虫害样本进行识别与危害程度分级研究;同时,探究不同数据集大小以及不同优化算法对模型性能的影响;基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型,对病虫害识别精度可达99.35%,危害程度分级精度可达92.78%;2)在相同训练参数下,本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%,并且收敛速度最快;3)本研究模型识别精度随着数据集的增大而提高;在3种优化算法中SGDM算法耗时最短且精度最高,更适合本研究模型。通过拍摄果树叶片病害区域图像,本研究设计的系统能够在0.43s左右准确识别出果树种类、病害类型以及危害等级等信息。 展开更多
关键词 果树 病虫害 识别系统 迁移学习 googlenet
原文传递
基于改进Goog Le Net的小电流接地系统故障选线方法 被引量：20
5
作者 郝帅 张旭 +4 位作者 马瑞泽 文虎 马旭 安倍逸 李嘉豪 《电网技术》 EI CSCD 北大核心 2022年第1期361-368,共8页
针对传统小电流接地系统故障选线方法准确率低、鲁棒性弱的问题,文章提出一种基于改进GoogLeNet的小电流接地选线方法。首先,利用小波变换将零序电流信号映射为二维时频图,制备小电流接地数据集;然后,在GoogLeNet网络基础上通过迁移学... 针对传统小电流接地系统故障选线方法准确率低、鲁棒性弱的问题,文章提出一种基于改进GoogLeNet的小电流接地选线方法。首先,利用小波变换将零序电流信号映射为二维时频图,制备小电流接地数据集;然后,在GoogLeNet网络基础上通过迁移学习共享已训练模型权重来提高原网络检测精度;其次,在原网络全连接层前通过引入Batch-Normalization模块加快网络收敛速度,最终构建了GoogLeNet-69小电流接地故障选线网络;最后,为了验证所提出算法的优势,在未考虑噪声情况和考虑噪声情况下,将本文算法与4种经典选线方法进行比较。实验结果表明,相比于对比算法,本文算法检测精度最高,当信噪比为15dB时,所提出算法的选线精度可以达到96.3%,具有较强的抗噪能力。 展开更多
关键词 深度学习 故障选线 googlenet 迁移学习 小波变换
下载PDF
基于GoogLeNet模型的剪枝算法 被引量：20
6
作者 彭冬亮 王天兴 《控制与决策》 EI CSCD 北大核心 2019年第6期1259-1264,共6页
GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实... GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性. 展开更多
关键词 剪枝算法 googlenet Inception模块 权重阈值 参数冗余 过拟合
原文传递
基于深度卷积神经网络的储粮害虫图像识别 被引量：20
7
作者 程曦 吴云志 +1 位作者 张友华 乐毅 《中国农学通报》 2018年第1期154-158,共5页
为了防治储粮害虫带来的危害,借助计算机对储粮害虫进行有效的图像识别是具有重要意义的。针对基于图像的储粮害虫多分类识别问题,引入了基于深度卷积神经网络的储粮害虫图像识别方法。该方法与传统的储粮害虫识别方法相比,大幅度简化... 为了防治储粮害虫带来的危害,借助计算机对储粮害虫进行有效的图像识别是具有重要意义的。针对基于图像的储粮害虫多分类识别问题,引入了基于深度卷积神经网络的储粮害虫图像识别方法。该方法与传统的储粮害虫识别方法相比,大幅度简化了数据预处理过程,同时该方法在识别精确度方面达97.61%,也明显优于传统方法。因此,基于深度卷积神经网络的储粮害虫识别方法具有较高的实用性,且具有进一步研究和推广的意义。 展开更多
关键词 储粮害虫 图像识别 卷积神经网络 深度学习 googlenet Alexnet
下载PDF
一种基于GoogLeNet卷积神经网络的木节缺陷识别方法 被引量：19
8
作者 高明宇 倪海明 +3 位作者 张博洋 陈剑峰 戚大伟 牟洪波 《森林工程》 北大核心 2021年第4期66-70,共5页
为了能够对木节缺陷进行准确识别,减少木材的浪费,本研究在Pytorch深度学习框架的基础上,提出一种基于GoogLeNet卷积神经网络的木节缺陷识别方法。该方法利用GoogLeNet网络对朽节、干节和死节等7种云杉木节缺陷的RGB图像进行自动提取特... 为了能够对木节缺陷进行准确识别,减少木材的浪费,本研究在Pytorch深度学习框架的基础上,提出一种基于GoogLeNet卷积神经网络的木节缺陷识别方法。该方法利用GoogLeNet网络对朽节、干节和死节等7种云杉木节缺陷的RGB图像进行自动提取特征,不需要对图像进行预处理,即可实现分类识别,采用全局平均池化的方法来代替全连接层,减少网络的参量。同时为了防止网络的过拟合,在网络中使用Dropout机制。实验结果表明,利用该卷积神经网络对7种木节缺陷的识别率可以达到95.42%,在木节缺陷图像处理中,GoogLeNet模型能准确有效地识别木节缺陷。 展开更多
关键词 卷积神经网络 googlenet 木节缺陷图像 缺陷识别
下载PDF
基于深度卷积神经网络的水稻病害图像识别研究 被引量：19
9
作者 谭云兰 欧阳春娟 +2 位作者 李龙 廖婷 汤鹏杰 《井冈山大学学报（自然科学版）》 2019年第2期31-38,共8页
水稻病害类型多,采集过来的图像病斑交界特征复杂多变。即便同类别水稻病害在不同的生长时期,发生在叶片、茎秆、穗部等部位呈现的病斑特征也不一样,而且不同类型病害也存在相似病斑,这些都给水稻病害图像的精准识别带来了相当大的困难... 水稻病害类型多,采集过来的图像病斑交界特征复杂多变。即便同类别水稻病害在不同的生长时期,发生在叶片、茎秆、穗部等部位呈现的病斑特征也不一样,而且不同类型病害也存在相似病斑,这些都给水稻病害图像的精准识别带来了相当大的困难。采用深度卷积神经网络模型,使用数据集扩增技术,运用fine-tune方法对网络进行调参及构建,将自然场景下采集的常见8类水稻病害图像输入网络模型中进行训练和测试,在有限的图像数量下取得较高的识别精度,其中纹枯病的准确率为93%。不同于其他方法仅聚焦在水稻叶部或稻穗部,本文识别的图像是多株水稻的场景,可为水稻病害远程自动诊断提供关键技术支持。 展开更多
关键词 图像识别 卷积神经网络 水稻病害 googlenet
下载PDF
基于迁移学习的GoogLenet煤矸石图像识别 被引量：16
10
作者 曹现刚 薛祯也 《软件导刊》 2019年第12期183-186,共4页
已有的煤矸石识别方法具有一定效果,但无法满足实际需求。为了寻找新的煤矸石识别方法,提出了基于深度学习的煤矸石图像识别方法。采用Inception模型,并通过迁移学习共享已训练模型卷积层权值和偏差。从煤矸石图像库中随机抽取煤矸石图... 已有的煤矸石识别方法具有一定效果,但无法满足实际需求。为了寻找新的煤矸石识别方法,提出了基于深度学习的煤矸石图像识别方法。采用Inception模型,并通过迁移学习共享已训练模型卷积层权值和偏差。从煤矸石图像库中随机抽取煤矸石图像作为训练集和测试集,最后将该方法与传统图像识别方法进行比对。实验结果表明,该模型可以有效识别煤矸石,准确率为93.5%,有效提高了煤矸识石别准确率。 展开更多
关键词 googlenet 煤矸石识别 迁移学习
下载PDF
深度学习GoogleNet模型支持下的中分辨率遥感影像自动分类 被引量：16
11
作者 陈斌 王宏志 +2 位作者 徐新良 王首泰 张亚庆 《测绘通报》 CSCD 北大核心 2019年第6期29-33,40,共6页
提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题.研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感... 提出了一种基于深度学习技术的遥感分类方法,它能有效解决中分辨率影像在分类过程中出现的像元混分问题.研究选用2016年5月12日武汉市Landsat 7 ETM+遥感影像,基于GoogleNet模型中的Inception V3网络结构,借助迁移学习方法,构建出遥感分类模型,实现了对武汉市主城区4类典型地物(不透水层、植被、水体和其他用地)的自动分类提取,并将分类结果与传统最大似然分类(ML)结果进行了对比分析.研究表明:基于深度学习方法的遥感影像总体分类精度高达88.33%,Kappa系数为0.8342,明显优于传统ML方法总体分类精度83%和Kappa系数0.7550,而且有效抑制了地物在分类过程中出现的像元混分现象. 展开更多
关键词 空间分辨率 深度学习 遥感分类 googlenet
下载PDF
基于深度迁移学习的舌象特征分类方法研究 被引量：15
12
作者 宋超 王斌 许家佗 《计算机工程与科学》 CSCD 北大核心 2021年第8期1488-1496,共9页
舌象分析是计算机视觉技术在中医望诊的客观化、定量化应用研究中的一个重要课题,其中2个关键步骤是舌体分割和舌象分类。通过级联分类器在原始图像上实现自动舌体定位,再将分割后的舌体图像在GoogLeNet和ResNet上进行深度迁移学习训练... 舌象分析是计算机视觉技术在中医望诊的客观化、定量化应用研究中的一个重要课题,其中2个关键步骤是舌体分割和舌象分类。通过级联分类器在原始图像上实现自动舌体定位,再将分割后的舌体图像在GoogLeNet和ResNet上进行深度迁移学习训练,用得到的深度网络对齿痕、裂纹和舌苔厚薄3种主要舌象特征进行分类。从中医医疗机构中获取2245幅舌体图像建立数据集,对齿痕、裂纹和舌苔厚薄3类舌体图像进行分类实验,结果表明,所提方法分类性能优于传统的舌体图像特征分类方法,验证了基于深度迁移学习的舌象特征分类方法的有效性。 展开更多
关键词 舌象特征分类 级联分类器 迁移学习 残差网络 googlenet
下载PDF
基于GoogLeNet和空间谱变换的高光谱图像超分辨率方法 被引量：12
13
作者 王溢琴 董云云 刘慧玲 《光学技术》 CAS CSCD 北大核心 2022年第1期93-101,共9页
为了提高高光谱图像的空间分辨率,提出了一种基于GoogLeNet和空间谱变换的高光谱图像超分辨率(SR)方法。设计出遥感图像的光谱SR框架,对图像中不同反射光谱进行提取;采用GoogLeNet的稀疏编码对粗像素光谱进行放大,并投影到高分辨率字典... 为了提高高光谱图像的空间分辨率,提出了一种基于GoogLeNet和空间谱变换的高光谱图像超分辨率(SR)方法。设计出遥感图像的光谱SR框架,对图像中不同反射光谱进行提取;采用GoogLeNet的稀疏编码对粗像素光谱进行放大,并投影到高分辨率字典上,将潜在SR表示进行反转,以获得超分辨光谱;为了提高图像重构的保真度,利用GoogLeNet网络的编解码结构实现空间光谱先验变换。在KSC等数据集对所提方法进行验证,实验结果表明,所提方法能够有效重建图像细节信息与纹理结构,平均峰值信噪比(APSNR)、平均结构相似度(ASSIM)以及光谱角映射(SAM)均优于其他对比方法,且能够较好地保持光谱信息。以KSC数据集为例,APSNR、ASSIM和SAM的值分别为25.643dB、0.789和0.084。 展开更多
关键词 高光谱图像 超分辨率 googlenet 空间谱变换 稀疏编码 图像重构
原文传递
利用优化剪枝GoogLeNet的人脸表情识别方法 被引量：12
14
作者 张宏丽 白翔宇 《计算机工程与应用》 CSCD 北大核心 2021年第19期179-188,共10页
为了提高人脸表情识别的准确率和加快处理速度,提出了一种基于优化剪枝GoogLeNet的人脸表情识别方法。利用GoogLeNet网络提取面部特征,其中Inception模块加深学习深度,并利用典型的分类器实现人脸表情分类。改进GoogLeNet网络,添加全局... 为了提高人脸表情识别的准确率和加快处理速度,提出了一种基于优化剪枝GoogLeNet的人脸表情识别方法。利用GoogLeNet网络提取面部特征,其中Inception模块加深学习深度,并利用典型的分类器实现人脸表情分类。改进GoogLeNet网络,添加全局最大池化层并保留检测目标的位置信息,以Sigmoid交叉熵作为训练目标,获得全面的人脸表情特征信息。通过剪枝算法对GoogLeNet网络进行训练、修剪低权重连接和再训练网络等操作,以简化网络结构和参数量,提高运行效率。在JAFFE、CK+和Cohn-Kanade数据集上对所提方法进行验证,实验结果表明,所提方法的识别准确率分别为83.84%、85.09%和84.87%,运行时间低于200 ms,优于对比方法,具有较好的适用性。 展开更多
关键词 剪枝算法 googlenet 人脸表情识别 Inception模块 全局最大池化层 运行效率
下载PDF
自上而下注意图分割的细粒度图像分类 被引量：11
15
作者 冯语姗 王子磊 《中国图象图形学报》 CSCD 北大核心 2016年第9期1147-1154,共8页
目的针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利... 目的针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。 展开更多
关键词 细粒度图像分类 卷积神经网络 自上而下注意图 GraphCut googlenet
原文传递
基于GoogLeNet的秦绣纹样的识别与分类研究 被引量：7
16
作者 杨惠珺 陈鹤文 《家具与室内装饰》 北大核心 2023年第5期38-42,共5页
秦绣作品具有极强的地域特征和文化风格,其表现出的独特的艺术色彩相比于其他绣种更加强烈与鲜明。但是秦绣纹样的分类仍然依赖人工,这不利于秦绣文化的研究。针对这一问题,本文提出了一种基于GoogLeNet的秦绣纹样的识别与分类算法。首... 秦绣作品具有极强的地域特征和文化风格,其表现出的独特的艺术色彩相比于其他绣种更加强烈与鲜明。但是秦绣纹样的分类仍然依赖人工,这不利于秦绣文化的研究。针对这一问题,本文提出了一种基于GoogLeNet的秦绣纹样的识别与分类算法。首先,采用展览收集和走访个人收藏家收集到的大量秦绣作品照片进行处理所得到的数据集作为研究对象,基于神经网络算法对秦绣纹样的识别与分类进行研究。其次,选取GoogLeNet作为分类网络,提取丰富的秦绣图像特征信息,用于秦绣纹样分类。通过对神经网络的多次训练,降低了秦绣纹样分辨错误率。最后,构建了便捷的秦绣纹样分类系统,可以根据用户上传的图片实时输出识别出的秦绣纹样种类。本研究简化了秦绣纹样分类流程,对秦绣纹样的学术研究与秦绣文化的社会推广有着重要意义。 展开更多
关键词 秦绣纹样 图像分类 googlenet
下载PDF
基于深度学习的香蕉病害远程诊断系统 被引量：10
17
作者 史红栩 李修华 +2 位作者 李民赞 王伟 温标堂 《华南农业大学学报》 CAS CSCD 北大核心 2020年第6期92-99,共8页
【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型... 【目的】实现香蕉病害的远程诊断。【方法】基于深度学习方法对香蕉作物的7种常见病害进行诊断。收集了5944幅健康及染病香蕉植株图像,按7∶1∶2分为训练集、验证集和测试集。利用迁移学习对GoogLeNet深度卷积神经网络训练获取诊断模型。进一步开发了包含手机移动应用程序(APP)和远程服务器的软件系统。【结果】通过对比不同迭代次数及不同优化器,最终采用了MomentumOptimizer迭代10000次的模型,平均测试精度达到了98%。设计的APP能够就地获取香蕉图像,并通过网络与集成了诊断模型的远程服务器通信,实时获取诊断结果。【结论】该病害诊断模型识别主要病害的精度高,在线诊断系统简单易操作,可快速有效地在线诊断香蕉常见病害,具有良好的应用前景。 展开更多
关键词 香蕉病害 深度学习 googlenet 图像识别 移动应用 迁移学习
下载PDF
基于卷积神经网络的热轧带钢力学性能预报 被引量：10
18
作者 胡石雄 李维刚 杨威 《武汉科技大学学报》 CAS 北大核心 2018年第5期338-344,共7页
为解决热轧带钢力学性能预报精度的问题,本文提出了一种将一维数值型数据转换为二维图像型数据的建模方法,基于LeNet-5和GoogLeNet卷积神经网络,构建了一种新型的热轧带钢力学性能预报模型,并利用实际生产数据对模型的适用性进行了测试... 为解决热轧带钢力学性能预报精度的问题,本文提出了一种将一维数值型数据转换为二维图像型数据的建模方法,基于LeNet-5和GoogLeNet卷积神经网络,构建了一种新型的热轧带钢力学性能预报模型,并利用实际生产数据对模型的适用性进行了测试。结果表明,所建模型的抗拉强度预报误差为2.49%,均方根误差为19.15 MPa,预测精度高于BP神经网络和单独的LeNet-5和GoogleNet卷积神经网络模型,所建模型的有效性和准确性均得到了验证。 展开更多
关键词 热轧带钢 力学性能预报 卷积神经网络 LeNet-5 googlenet
下载PDF
基于改进GoogLeNet的遥感图像分类方法 被引量：10
19
作者 韩要昌 王洁 +1 位作者 史通 蔡启航 《弹箭与制导学报》 北大核心 2019年第5期139-142,153,共5页
针对遥感图像的分类问题,文中提出了一种基于GoogLeNet卷积神经网络模型的遥感图像分类方法。根据遥感图像的特点,适当改进了GoogLeNet的网络结构;同时借鉴迁移学习的思想,采用在ImageNet上预训练的模型对不同的遥感图像数据集进行训练... 针对遥感图像的分类问题,文中提出了一种基于GoogLeNet卷积神经网络模型的遥感图像分类方法。根据遥感图像的特点,适当改进了GoogLeNet的网络结构;同时借鉴迁移学习的思想,采用在ImageNet上预训练的模型对不同的遥感图像数据集进行训练测试。分类准确率较改进前提高了10%以上,并节省了网络的训练时间。实验结果验证了该方法能提高遥感图像的分类准确率和节省训练时间的有效性。 展开更多
关键词 遥感图像 卷积神经网络 googlenet 迁移学习
下载PDF
基于GoogLeNet和无人机图像的水稻秧苗形态识别 被引量：8
20
作者 朱伟 马立新 +1 位作者 张平 刘德营 《华南农业大学学报》 CAS CSCD 北大核心 2022年第3期99-106,共8页
【目的】针对目前国内评价插秧质量主要以人工观察和随机抽样的现状,提出一种基于卷积神经网络GoogLeNet对水稻秧苗图像进行形态识别的方法。【方法】首先,利用无人机超低空航拍获取清晰、完整的稻田秧苗图像,通过裁剪标记制作漂秧、伤... 【目的】针对目前国内评价插秧质量主要以人工观察和随机抽样的现状,提出一种基于卷积神经网络GoogLeNet对水稻秧苗图像进行形态识别的方法。【方法】首先,利用无人机超低空航拍获取清晰、完整的稻田秧苗图像,通过裁剪标记制作漂秧、伤秧和合格秧苗数据集;然后,基于GoogLeNet结构训练数据,得到最佳网络识别模型;最后,对单穴秧苗图像进行分类试验,并与传统图像分类算法(SVM、BP神经网络)进行对比。【结果】在相同样本的条件下,基于GoogLeNet的秧苗形态识别方法更快、更准确地完成了判断分类,秧苗形态识别的平均正确率为91.17%,平均耗时0.27 s;与SVM和BP神经网络相比,分类平均精度分别提高了21和13个百分点,检测时间分别缩短了1.09和0.58 s。【结论】本研究可为水稻插秧质量评价提供相关支持。 展开更多
关键词 水稻 插秧质量 秧苗形态 googlenet 无人机 图像分类
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 2 … 7 下一页 到第 页
使用帮助 返回顶部