-
题名基于改进卷积神经网络的中药饮片图像识别
- 1
-
-
作者
李玥辰
赵晓
王若男
杨晨
-
机构
陕西科技大学电子信息与人工智能学院
-
出处
《科学技术与工程》
北大核心
2024年第9期3596-3604,共9页
-
基金
国家自然科学基金(61971272,61601271)
陕西科技大学博士启动经费(2019BJ-27)。
-
文摘
为解决AlexNet网络模型在中药饮片图像识别中存在的识别准确率和鲁棒性不够理想的问题,以常见的50种中药饮片为研究对象,对AlexNet网络模型进行改进优化。首先通过拍摄以及搜索引擎获取中药饮片图像,并对图像进行数据扩充以及细节增强预处理。其次对AlexNet网络模型进行优化改进,通过缩减原网络的卷积核个数和卷积核大小、使用全局平均池化(global average pooling,GAP)替代全连接层以减少网络参数;去除局部响应归一化(local response normalization,LRN)层、引入批量归一化(batch normalization,BN)层和使用Lion优化算法替代随机梯度下降(stochastic gradient descent,SGD)优化算法以提高网络训练速度;使用Mish激活函数替代ReLU激活函数和引入通道注意力机制SENet网络以提高模型的识别精度。实验结果表明,改进后的网络模型相比于AlexNet网络模型,平均识别率提高了6.1%,平均损失率下降了14.4%,网络参数由原来的60 M缩减至1 M,该结果表明在中药饮片数据集上,改进后的网络模型具有更高的识别率和更好的鲁棒性,可为中药饮片图像识别领域的进一步发展提供有力支持。
-
关键词
AlexNet网络
中药饮片
全局平均池化
Lion优化算法
Mish激活函数
senet网络
-
Keywords
AlexNet network
Chinese herbal slices
global average pooling
Lion optimizer algorithm
Mish activation function
senet network
-
分类号
R28
[医药卫生—中药学]
TP391.41
[医药卫生—中医学]
TP18
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于CNN-SE-ELM的年龄和性别识别模型
被引量：3
- 2
-
-
作者
陈文兵
李育霖
陈允杰
-
机构
南京信息工程大学数学与统计学院
中国气象局交通重点实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2021年第5期872-882,共11页
-
基金
国家自然科学基金(61672291)
北极阁基金(BJG201504)。
-
文摘
基于人脸图像识别年龄及性别是当前人工智能研究的热点之一。提出一种综合卷积神经网络CNN、挤压-激励网络SENet及极限学习机ELM的混合模型。模型中的卷积层用于从人脸图像中提取面部特征,SENet层用于优化卷积层提取的特征,误差最小化极限学习机(EM-ELM)用作分类器以实现面部图像的年龄及性别识别。与现有的流行模型相比,所提模型由于采用了CNN+SENet架构能够从面部图像中提取到更具代表性及最优的特征映射,而EM-ELM的极速计算使得模型更快速、更高效。在多个非限制人脸数据集上的实验结果表明,相比近期其他基于深度学习的相关模型,所提模型具有更高的识别准确率和更快的识别速度。
-
关键词
卷积神经网络
极限学习机
senet网络
年龄分类
性别分类
-
Keywords
convolutional neural network
extreme learning machine
senet network
age classification
gender classification
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于注意力机制的单阶段抓取检测研究
被引量：3
- 3
-
-
作者
周自维
王硕
李长军
徐亮
王朝阳
-
机构
辽宁科技大学电子信息与工程学院
-
出处
《传感器与微系统》
CSCD
北大核心
2021年第11期32-35,39,共5页
-
基金
国家自然科学基金资助项目(61575090)
国家自然科学基金青年科学基金资助项目(61803189)
辽宁省自然科学基金资助项目(2020FWDF13)。
-
文摘
为了提高机器人抓取算法的检测性能,结合卷积神经网络(CNN)和深度学习理论基础,设计了一种基于Inception模块和注意力机制SENet网络的轻量级卷积模块SE-Inception-Lite,并对SE-Inception-Lite模块进行了残差机制算法融合。在此基础上,设计了基于SE-Inception GraspNet抓取网络的机器人多模态抓取检测算法,并在康奈尔抓取数据集上进行验证。实验结果表明:本文算法在图像分割数据和对象分割数据中的准确率分别为96.5%和96.3%,检测速度为22 ms。本文算法的抓取检测精度比同类算法更高更快。本文网络的网络参数也较少,算法运行需要的计算机资源更少,对机器人抓取检测的推广起了重要作用。
-
关键词
卷积神经网络
Inception模块
senet网络
多模态抓取
-
Keywords
convolutional neural network(CNN)
Inception module
senet network
multimodal grasping
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
