基于迁移学习的乳腺病理图片分类研究

为了辅助乳腺组织病理性切片的良恶性诊断,使用BreakHis公开数据集进行乳腺组织病理图片分类研究。考虑到数据的染色差异和数量不足,分别进行数据的染色归一化和数据增强预处理;采用迁移学习,将微调后的ResNet 50模型用于对预处理后的数据进行分类,得到最高分类准确率为99.60%的结果;将所得结果与现有研究结果进行比较,证明所提方法对处理乳腺组织图片分类问题具有高效性。

图片分类的卷积神经网络可解释性分析

为了理解卷积神经网络在图片分类任务中做出决策的依据,进而优化模型,降低调参成本,对卷积神经网络进行可解释性分析是十分有必要的。为此,文章以水果图片分类任务为切入点,使用了多种类激活图,从多个角度分析模型所给出结果的原因。文章采用Res Net模型先进行微调,在取得较好的分类性能后,进行了语义特征的基础分析、遮挡性分析,以及基于CAM的可解释性分析和LIME可解释性分析,为卷积神经网络提供一定的可解释性。实验结果表明,卷积神经网络做出决策的依据与人类理解的语义是一致的。

基于MobileNet和文本识别匹配的证件图片分类算法

利用计算机视觉技术进行图片分类是公安部门打击违法犯罪的重要手段。由于存在不同种类图片特征相似的问题,单纯基于视觉特征的证件类图片分类效果有待进一步提高,因此提出一种融合MobileNet和文本识别匹配的证件图片分类算法,用于证件类图片的分类任务中。该方法把图片分类及文本匹配算法相结合,提高了证件类图片分类的准确性。在证件类图片数据集上的实验结果表明,算法在损失一定召回率的情况下,准确率有显著提升。

双语和双言对图片命名和分类的不对称影响

采用普通话?英语双语者、粤语?普通话双言者和普通话单言者为被试,比较他们图片命名与图片分类的成绩。结果表明,普通话?英语双语者用优势语言命名图片的反应时比普通话单语者显著长,错误率显著高。在第4次和第5次重复呈现图片时,普通话?英语双语者与普通话单语者的命名反应差异不显著。普通话?英语双语者与普通话单语者对图片分类的反应差异不显著。这表明,双语影响图片命名却不影响图片分类。粤语?普通话双言者对图片命名和图片分类的反应模式和普通话?英语双语者一致,表明粤语?普通话双言和普通话?英语双语有类似的认知机制。普通话和粤语是作为两种语言储存在粤语?普通话双言者的头脑中的。

一种基于分形特征的图片分类算法

图片分类可用作图像搜索引擎的预滤波,以降低图像检索时的图像匹配数量,提高检索速度。本文提出了一种基于分形特征———局部分维数变化率(LFDS)的图片分类算法,该算法不需要任何的图像先验知识,仅利用分形特征就可将自然景物的照片和人工绘制/计算机生成的图形区分出来。系统随机测试了445幅大小从192×128到2012×3094不等的图片,该算法对图形库的分类准确率为91·71%,图像库分类准确率为85·25%,实验结果证明了该算法的快速和有效性。

一种图片分类的序列构造神经网络方法

针对图片数据的分类问题,从动态构造网络的思想出发,讨论了序列构造神经网络的基本方法,并且把其应用于图片分类中。最后给出标准测试集的分类测试结果,并对其进行了比对、分析和讨论。实验结果表明此方法适合多维数据分析,取得了满意的效果。

基于深度学习的计算机设计场景文本与非文本图片分类算法研究

基于深度学习特征编码及计算机设计场景图片来进行文本图片分类。算法首先对输入的图片使用最大值稳定区域进行文字候选区域提取,然后将这些提取出来的区域输入到多类卷积神经网络中,然后将CNN最后一层的输出作为每个区域的特征;再使用词袋模型把区域特征表示成为编码,最后利用这些编码输入到支持向量机中并作最后的判定。本文算法目的是提取文字候选区域来作为算法的感兴趣区域,结合深度学习算法使得文字图片的识别更加准确,使系统具有更好的鲁棒性。在对卷积神经网络进行算法训练的时候,可以对感兴趣的区域进行聚类,最终使得原来的两种分类变成了多种分类,进而使得文字区域特征的划分更具细粒度。

SOM-MBP多模式并行算法对Hadoop云平台的海洋图片进行分类

为了提高海洋图片分类效率,本文给出一种基于SOM-MBP多模式并行算法的分类方法。SOMMBP网络模型具有并行处理的特性。利用该特性,运用Hadoop分布式计算平台对SOM-MBP算法进行并行处理。海洋藻类图片的分类实验结果表明,本文方法能够获得较高的识别率,并且具有较高处理速度。

一种图片分类的序列构造神经网络方法

针对图片数据的分类问题,从动态构造网络的思想出发,讨论了序列构造神经网络的基本方法,并且把其应用于图片分类中,最后给出标准测试集的分类测试结果,并对其进行了比对、分析和讨论,实验结果表明此方法适合多维数据分析,取得了满意的效果。

卷积神经网络在图片分类中层级结构效用分析

卷积神经网络等深度学习算法在图片分类等计算机视觉应用领域取得了很好的效果。利用卷积神经网络算法对猫狗图片进行分类,取得较好的实验效果,通过对实验过程中图片、数据的中间层级输入、输出结果的比对分析,深入剖析了卷积神经网络在图片分类中的层级结构效用,提示深度学习框架下的计算机视觉技术具有明显的优势。

图片分类特征增强的统计方法

Bag-of-Words模型对于图片分类来说是一种非常有用的技术,它利用事先定义好的"可见字"为每张图片建立一个特征向量。提出了一种新的统计方法来发掘可见字对于每一类图片的区分能力,再利用线性模型合并"可见字",从而为每张图片构造新的特征向量。实验结果显示这一算法能够增强特征向量的区分度,进而提高图片分类的性能。

基于残差结构和幻象模块的垃圾图片分类算法

垃圾图片分类算法对于垃圾分拣的智能化和自动化具有重要的意义,针对我国垃圾分类现状,收集制作了小型生活垃圾数据集,提出基于残差结构和幻象模块的垃圾图片分类算法。使用幻象模块代替ResNet18的普通卷积,在不降低网络性能的同时减少了网络的参数量。采用数据增强方法扩充训练数据,防止过拟合。实验结果表明,改进后网络的参数量减少了46%,识别精度提高了1%。

基于特征融合的亚洲食物图片分类

为对亚洲食物图片进行高效分类,提出一种结合图片分割与特征融合的图片分类模型SLGC。使用图片分割技术对图片进行预处理,提取食物主体,有效缩减特征提取时间。通过对亚洲食物的特有结构进行研究,在局部与全局两个维度分别将图片的颜色特征融合到表示向量中,进一步提升特征提取效果。实验结果表明,SLGC模型能够更加全面地提取图片特征,提升分类准确率。

基于多分类和ResNet的不良图片识别框架

针对实际应用中色情图片的复杂多样性问题,提出一种基于多分类和深度残差网络(ResNet)的不良图片识别框架.不同于已有的方法将色情图片识别作为二分类问题,该方法基于多样性特征将色情图片分为7个更细粒度的类别,并将正常图片分为是否包含人物2个类别,通过50层ResNet模型进行分类,再按照阈值计算是否属于不良图片.为了减少训练时间和挖掘优质特征,采用一种反馈修正的训练策略.提出一种单边滑动窗口的预处理方法以解决图片不同尺度的影响问题.测试结果表明,该方法在时间效率和识别准确率上效果良好.

文本检测与识别在细粒度图片分类中的应用

细粒度的图片分类是深度学习图片分类领域中的一个重要分支,其分类任务比一般的图片分类要困难,因为很多不同分类图片中的特征相似度极高,没有特别鲜明的特征用以区分,因而需要优化一个传统的图片分类方法.在一般的图片分类中,通常通过提取视觉以及像素级别的特征用来训练,然而直接应用到细粒度分类上并不太适配,效果仍有待提高,可考虑利用非像素级别的特征来加以区分.因此,我们提出联合文本信息和视觉信息作用于图片分类中,充分利用图片上的特征,将文本检测与识别算法和通用的图片分类方法结合,应用于细粒度图片分类中,在Con-text数据集上的实验结果表明我们提出的算法得到的准确率有显著的提升.

基于图像颜色特征的图片分类系统

提出一种图像分类方法,该方法使用HSV颜色模型的统计直方图,将H、S、V三个分量单独处理,得到图像的特征包括主色调和主饱和度,并对图像进行分类。通过对比图像全局及局部颜色统计直方图的相似度来定义图像的相似度。

基于几何流形熵的图片分类方法研究

本文提出了一种新颖的基于几何语义的熵描述符算法。借助熵描述符,可以更好的构造用于图片分类的熵环。通过最小化熵值获得最优环,此时图片将按语义顺序连接。图片分类过程分为训练和预测,训练步骤搜索各类别的最优环,在预测步骤中,如果某图片插入某个环中,相对于其他类别环产生最小的熵增量,则该图片属于该环所属的分类。通过研究发现,该方法对于很难分类的容易混淆的图片集仍能产生非常好的效果,但是各类图片须是同一个对象的多视角投影。实验结果表明,该熵描述符方法在该类图片分类过程中具有很优异的性能。

基于分类的林业图片管理信息系统的设计与实现

图片在林业业务中应用广泛,但目前缺乏科学的、针对性的管理工具;提出基于分类的林业图片管理信息系统,利用UML技术分析设计系统功能,结合林业业务对图片进行二级分类,最后通过.NET技术实现系统,从而有效地解决林业图片管理分散、分类混乱、查找困难等问题。

从图片验证看图像分类的研究现状

人工智能作为21世纪以来发展最为迅猛的新技术之一,给我们的生活带来的极大的便利,其中图片分类作为人工智能技术中的重要组成部分,反映了人工智能技术的发展历程。本文从图片验证这一角度出发,阐述了图片分类中卷积神经网络的研究进展和分析了人脸识别和图片审查两个图片分类的主要应用,来探讨了图片分类的研究现状。

试论职业中专汽车文化课的图片分类教育教学

本文就职业中专汽车文化课的图片分类教育教学进行分析阐述。汽车文化教材的图片主要有六类:人物图片、汽车图片、标志图片、娱乐图片、汽车零件图片和与汽车相关的图片。教师可以让学生通过直观认识,谈审美感受,通过说明形文字,了解每个图片的内涵。用图片教学有利于提高学习兴趣,因此教师在教学中要善于运用这些图片,让学生多增加一些感性认识,让学生多了解、调查和参观。这样容易引起学生兴趣,激发学生学习的积极性。