一种轻量级目标检测算法

通过增加特征提取网络Mobilenet的网络层数得到深层不同维度的特征图,并利用特征金字塔结构对特征图进行特征融合处理,进而增强算法的检测精确度。实验结果表明,所得模型在VOC数据集上的检测效果达到了78.8%的mAP,检测精确度对比原有网络检测精确度提高了2.9%,改进后的网络模型在达到实时检测的前提下,有效提高了对道路场景下主要目标的检测精确度。

基于改进YOLOV3的蝴蝶生长阶段检测

搜集标注蝴蝶生长过程图片,通过改进YOLOV3网络结构,调整先验框的维度,修改特征图分辨率,增强对小目标检测,反复训练得出最佳目标检测模型。实验表明,在5000张测试集图片样本中能得到95%以上的准确率,可以快速及时地识别出蝴蝶的各个生长发育过程。

基于双检测头的轻量级目标检测算法

为解决轻量级目标检测算法中由于分类损失较大导致算法精确度低的问题,提出一种对目标的位置与分类使用双检测头的检测方法.算法中用卷积头对位置进行检测,用全连接头对分类进行检测;分类检测时特征图经过卷积层后融合位置回归分支的特征图,再使用全连接层对特征图进行处理;并提出分组全连接的方式进一步减少全连接层的计算量.在VOC数据集上对算法进行训练,结果表明,改进后模型的分类损失有了明显的下降,有效地提升了轻量级目标检测算法的检测精确度,算法在VOC测试集上达到70.08%的精确度.

基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合。将YOLO网络模型结构以及算法函数进行了优化调整。为了保留视频时间信息,引入了卷积神经网络反馈时间维度。采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解。

铁皮石斛组培苗生长的影响因素研究

以铁皮石斛组培苗为材料,研究不同蔗糖浓度对铁皮石斛原球茎(PLB)生长的影响,6-BA用量对铁皮石斛增殖芽生长的影响,不同糠源及添加物香蕉对铁皮石斛壮苗、生根的影响。结果表明:当蔗糖30g/L最有利于铁皮石斛PLB增殖,最适合PLB的培养基为MS+NAA 0.1mg/L+蔗糖30g/L。6-BA对铁皮石斛丛生芽形态建成有着很重要的作用,有利于促进芽的分化,适合继代的培养基为MS+BA 4mg/L+NAA0.1mg/L+CW5%+蔗糖30g/L。香蕉对铁皮石斛组培苗的根系生长具有显著的促进作用,以50 g/L葡萄糖为糖源更有利于铁皮石斛壮苗生长,适合生根苗生长的培养基为1/2MS+香蕉70g/L+活性炭0.1%+葡萄糖50g/L。

尖尾芋的组织培养与快速繁殖

1植物名称尖尾芋[Alocasia cucullata（Lour．）Schott]，又名佛手芋、滴水观音。 2材料类别根茎。 3培养条件诱导培养基：（1）MS＋6-BA2mg．L^-1（单位下同）＋NAA0．01；（2）MS＋6-BA4＋NAA0．01。增殖培养基：（3）MS＋6．BA1．0＋NAA0．2；