基于改进全卷积网络的皮肤病变图像分割

针对皮肤病变图像在病变区域的形状、纹理、与周围未发生病变区域对比度相对较低等因素,提出一种基于改进全卷积网络的皮肤病变图像分割算法。采用全卷积网络提取皮肤病变图像的形状纹理等特征,引入Jaccard-Diceloss损失函数解决皮肤病变图像中病变与背景区别过大的问题,进一步提高整体的分割性能。对输入皮肤病变图像进行预处理,使用VGG16模型对改进全卷积网络进行微调训练及测试。通过实验得到各项皮肤病变图像分割结果的评估指标值,其结果表明,改进全卷积网络对于皮肤病变图像的分割效果最优,在其它医学图像分割问题上有极大的应用前景。

基于改进全卷积神经网络的体育运动员动作识别方法

传统的体育运动员动作识别方法,直接对运动员动作识别结果进行输出未对运动区域进行提取,识别精度低。该文提出基于改进全卷积神经网络的体育运动员动作识别方法,使用摄像机对体育运动员动作图像进行采集,并对图像进行基于改进全卷积神经网络的运动区域提取,体育运动员动作识别流程,输入动作图像并对结果进行输出,实现基于改进全卷积神经网络的体育运动员动作识别。实验结果表明该研究方法识别精度高,具有一定优势。

基于改进区域全卷积网络的电网图像自主识别及运行态势感知模型研究

针对基于先验特征的电网图像自主判读机制存在的诸多不足,提出了一种基于改进区域全卷积网络的电网图像自主识别及运行态势感知模型。首先构建电网运行图像特征数据池;然后构建电网运行图像异常特征全息感知机制;最后实现电网运行异常态势精准感知。模型效能分析结果表明,模型可以自主学习辨识换流站运行图像异常特征知识,换流站运行图像异常自主识别均值准确率达93.27%,换流站运行异常态势感知均值有效率达96.65%,为电网一线运维工作者提供了良好辅助。