期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GAN-DCNN的树叶识别
1
作者
徐竞怡
张志
+1 位作者
闫飞
张雯悦
《林业科学》
EI
CAS
CSCD
北大核心
2024年第4期40-51,共12页
【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手...
【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手段和理论支撑。【方法】采集6种树种的树叶图像建立数据集,引入light-weight GAN对图像进行增殖和风格转换,扩充人工拍摄的树叶数据集,通过在该数据集与原数据集上分别应用AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种深度卷积神经网络进行训练,分析生成对抗网络的图像增殖技术在树叶识别中的作用。综合模型准确率和训练时间等性能指标选择最优模型,同时对模型的学习率进行调整。使用测试样本对参数优化后的模型进行验证,分析该方法在实践中的可行性和意义。【结果】基于生成对抗网络生成的样本具有高清晰度,高保真性,能够有效地辅助神经网络模型的训练工作,同时也丰富了样本类别,使之获得包含更多不同季节、形状、健康状况的树叶图像。与原始数据集相比,AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种网络在新数据集的训练上均表现出训练误差更小、验证精度更高的特点,其中学习率为0.01的ShuffleNetV2模型对该数据集的训练效果最好,训练时最高验证精度为99.7%。使用未参与训练的测试样本对该模型进行验证,模型对各树叶的识别效果较好,模型的总体识别准确率高达99.8%。与未使用GAN技术的普通深度卷积神经网络相比,本文提出的模型对树叶识别准确率明显提升。【结论】生成对抗网络可以有效地扩充图像数量,对图像进行风格转换,与深度卷积神经网络相结合,可以显著提高树叶识别准确率,适合应用于林业树叶识别领域。
展开更多
关键词
树叶识别
生成对抗网络
深度卷积神经网络
下载PDF
职称材料
基于卷积神经网络的树叶识别的算法的研究
被引量:
5
2
作者
许振雷
杨瑞
+1 位作者
王鑫春
应文豪
《电脑知识与技术》
2016年第4期194-196,共3页
该文研究了将卷积神经网络应用在树叶识别方面,并通过卷积过程对图片进行可视化。实验表明,卷积神经网络应用在树叶识别达到了92%的识别率。另外,将此神经网络与支持向量机进行比较研究,从试验中可以得出,卷积神经网络在无论是精度方面...
该文研究了将卷积神经网络应用在树叶识别方面,并通过卷积过程对图片进行可视化。实验表明,卷积神经网络应用在树叶识别达到了92%的识别率。另外,将此神经网络与支持向量机进行比较研究,从试验中可以得出,卷积神经网络在无论是精度方面还是速度方面都要优于支持向量机,可见,卷积神经网络在树叶识别方面具有很好的应用前景。
展开更多
关键词
树叶识别
支持向量机
卷积神经网络
下载PDF
职称材料
面向苹果叶部病害识别的细粒度蒸馏模型
被引量:
6
3
作者
李大湘
滑翠云
刘颖
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第7期185-194,共10页
为了提高轻型卷积神经网络(convolutional neural networks,CNN)在苹果叶部病害识别中的精度,使其更加适于布署到智慧农业移动终端,该研究设计了一种细粒度知识蒸馏(fine-grained knowledge distillation,FGKD)模型。首先,利用上下文信...
为了提高轻型卷积神经网络(convolutional neural networks,CNN)在苹果叶部病害识别中的精度,使其更加适于布署到智慧农业移动终端,该研究设计了一种细粒度知识蒸馏(fine-grained knowledge distillation,FGKD)模型。首先,利用上下文信息与空间-语义关系分别设计了上下文空间注意力(spatial attention,SA)与细粒度特征提取(fine-grained feature extraction,FGFE)模块,且将它们嵌入到Resnet50与设计的轻型CNN,分别作为教师与学生网络;然后,构造SA与FGFE知识蒸馏损失函数,以将教师网络中的特征提取与细粒度知识表示能力迁移到学生网络之中,以增强其对苹果叶部病害图像的局部特征提取能力与高层语义表达能力,使轻型学生网络在参数量很小的条件下,其性能接近复杂的教师网络。基于标准苹果叶部病害数据集的对比试验结果表明,经知识蒸馏之后的学生网络精度为98.60%,模型参数量仅0.75 MB,平均推理时间为25.51 ms,能够有效地满足实际智慧农业移动端对模型的需求,快速准确地实现苹果叶部病害自动识别。
展开更多
关键词
计算机视觉
图像处理
苹果
树叶
病害
识别
细粒度知识蒸馏
上下文空间注意力
下载PDF
职称材料
基于CapsNet神经网络的树叶图像分类模型
被引量:
4
4
作者
张冬妍
韩睿
+1 位作者
张瑞
曹军
《西南大学学报(自然科学版)》
CAS
CSCD
北大核心
2021年第8期143-151,共9页
对树木研究的基础是对其进行分类处理.本文结合CapsNet神经网络模型,以提高树叶分类的准确率为目的,使用实验室拍摄的10种树叶图片建立树叶分类模型.考虑到模型效率和图像大小,在原有CapsNet上与传统卷积神经网络相结合,通过优化动态路...
对树木研究的基础是对其进行分类处理.本文结合CapsNet神经网络模型,以提高树叶分类的准确率为目的,使用实验室拍摄的10种树叶图片建立树叶分类模型.考虑到模型效率和图像大小,在原有CapsNet上与传统卷积神经网络相结合,通过优化动态路由算法对CapsNet进行改进,得到了E-CapsNet网络模型,同时与经典的神经网络模型AlexNet和Inception V3模型进行对比.经过50次epoch的训练,模型训练准确率最高达到99.15%,验证集的准确率为98.51%,测试集准确率为98.63%,对比原CapsNet网络,测试集准确率提高了2.51%.实验结果表明,改进后的E-CapsNet模型实现了更高的精度.
展开更多
关键词
胶囊网络
神经网络
图像分类
树叶识别
动态路由
下载PDF
职称材料
题名
基于GAN-DCNN的树叶识别
1
作者
徐竞怡
张志
闫飞
张雯悦
机构
北京林业大学精准林业北京市重点实验室
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
中国科学院大学
商汤科技研究院
出处
《林业科学》
EI
CAS
CSCD
北大核心
2024年第4期40-51,共12页
基金
北京林业大学中央高校基本科研业务费专项资金项目(2017PT07)
西藏自治区科技厅中央引导地方项目(XZ202301YD0043C)
北京林业大学2021年大学生创新训练项目(X202110022004)。
文摘
【目的】利用深度学习进行树叶识别时需要大量训练样本,当样本量不足、图像风格单一会导致识别准确率不稳定。研究利用少量的样本进行树叶图像增殖和风格转换,可极大减轻数据采集的负担,为提升林业调查信息化、智能化提供有效的技术手段和理论支撑。【方法】采集6种树种的树叶图像建立数据集,引入light-weight GAN对图像进行增殖和风格转换,扩充人工拍摄的树叶数据集,通过在该数据集与原数据集上分别应用AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种深度卷积神经网络进行训练,分析生成对抗网络的图像增殖技术在树叶识别中的作用。综合模型准确率和训练时间等性能指标选择最优模型,同时对模型的学习率进行调整。使用测试样本对参数优化后的模型进行验证,分析该方法在实践中的可行性和意义。【结果】基于生成对抗网络生成的样本具有高清晰度,高保真性,能够有效地辅助神经网络模型的训练工作,同时也丰富了样本类别,使之获得包含更多不同季节、形状、健康状况的树叶图像。与原始数据集相比,AlexNet、GoogLeNet、ResNet34和ShuffleNetV2四种网络在新数据集的训练上均表现出训练误差更小、验证精度更高的特点,其中学习率为0.01的ShuffleNetV2模型对该数据集的训练效果最好,训练时最高验证精度为99.7%。使用未参与训练的测试样本对该模型进行验证,模型对各树叶的识别效果较好,模型的总体识别准确率高达99.8%。与未使用GAN技术的普通深度卷积神经网络相比,本文提出的模型对树叶识别准确率明显提升。【结论】生成对抗网络可以有效地扩充图像数量,对图像进行风格转换,与深度卷积神经网络相结合,可以显著提高树叶识别准确率,适合应用于林业树叶识别领域。
关键词
树叶识别
生成对抗网络
深度卷积神经网络
Keywords
leaf identification
generative adversarial networks
deep convolutional neural networks
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于卷积神经网络的树叶识别的算法的研究
被引量:
5
2
作者
许振雷
杨瑞
王鑫春
应文豪
机构
常熟理工学院计算机科学与工程学院
出处
《电脑知识与技术》
2016年第4期194-196,共3页
基金
大学生实践创新训练计划资助
文摘
该文研究了将卷积神经网络应用在树叶识别方面,并通过卷积过程对图片进行可视化。实验表明,卷积神经网络应用在树叶识别达到了92%的识别率。另外,将此神经网络与支持向量机进行比较研究,从试验中可以得出,卷积神经网络在无论是精度方面还是速度方面都要优于支持向量机,可见,卷积神经网络在树叶识别方面具有很好的应用前景。
关键词
树叶识别
支持向量机
卷积神经网络
Keywords
recognition leaves
SVM
convolutional neural network
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
面向苹果叶部病害识别的细粒度蒸馏模型
被引量:
6
3
作者
李大湘
滑翠云
刘颖
机构
西安邮电大学通信与信息工程学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第7期185-194,共10页
基金
国家自然科学基金(62071379)
陕西省自然科学基金(2017KW-013)
西安邮电大学创新基金(CXJJYL2022014)。
文摘
为了提高轻型卷积神经网络(convolutional neural networks,CNN)在苹果叶部病害识别中的精度,使其更加适于布署到智慧农业移动终端,该研究设计了一种细粒度知识蒸馏(fine-grained knowledge distillation,FGKD)模型。首先,利用上下文信息与空间-语义关系分别设计了上下文空间注意力(spatial attention,SA)与细粒度特征提取(fine-grained feature extraction,FGFE)模块,且将它们嵌入到Resnet50与设计的轻型CNN,分别作为教师与学生网络;然后,构造SA与FGFE知识蒸馏损失函数,以将教师网络中的特征提取与细粒度知识表示能力迁移到学生网络之中,以增强其对苹果叶部病害图像的局部特征提取能力与高层语义表达能力,使轻型学生网络在参数量很小的条件下,其性能接近复杂的教师网络。基于标准苹果叶部病害数据集的对比试验结果表明,经知识蒸馏之后的学生网络精度为98.60%,模型参数量仅0.75 MB,平均推理时间为25.51 ms,能够有效地满足实际智慧农业移动端对模型的需求,快速准确地实现苹果叶部病害自动识别。
关键词
计算机视觉
图像处理
苹果
树叶
病害
识别
细粒度知识蒸馏
上下文空间注意力
Keywords
computer vision
image processing
apple tree leaf disease identification
fine grain knowledge distillation
contextual spatial attention
分类号
S24 [农业科学—农业电气化与自动化]
TP391.4 [自动化与计算机技术—计算机应用技术]
S431.9 [农业科学—农业昆虫与害虫防治]
下载PDF
职称材料
题名
基于CapsNet神经网络的树叶图像分类模型
被引量:
4
4
作者
张冬妍
韩睿
张瑞
曹军
机构
东北林业大学机电工程学院
出处
《西南大学学报(自然科学版)》
CAS
CSCD
北大核心
2021年第8期143-151,共9页
基金
黑龙江省自然科学基金项目(C2017005).
文摘
对树木研究的基础是对其进行分类处理.本文结合CapsNet神经网络模型,以提高树叶分类的准确率为目的,使用实验室拍摄的10种树叶图片建立树叶分类模型.考虑到模型效率和图像大小,在原有CapsNet上与传统卷积神经网络相结合,通过优化动态路由算法对CapsNet进行改进,得到了E-CapsNet网络模型,同时与经典的神经网络模型AlexNet和Inception V3模型进行对比.经过50次epoch的训练,模型训练准确率最高达到99.15%,验证集的准确率为98.51%,测试集准确率为98.63%,对比原CapsNet网络,测试集准确率提高了2.51%.实验结果表明,改进后的E-CapsNet模型实现了更高的精度.
关键词
胶囊网络
神经网络
图像分类
树叶识别
动态路由
Keywords
capsule network
neural network
image classification
leaf recognition
dynamic routing
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
S718.3 [农业科学—林学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GAN-DCNN的树叶识别
徐竞怡
张志
闫飞
张雯悦
《林业科学》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于卷积神经网络的树叶识别的算法的研究
许振雷
杨瑞
王鑫春
应文豪
《电脑知识与技术》
2016
5
下载PDF
职称材料
3
面向苹果叶部病害识别的细粒度蒸馏模型
李大湘
滑翠云
刘颖
《农业工程学报》
EI
CAS
CSCD
北大核心
2023
6
下载PDF
职称材料
4
基于CapsNet神经网络的树叶图像分类模型
张冬妍
韩睿
张瑞
曹军
《西南大学学报(自然科学版)》
CAS
CSCD
北大核心
2021
4
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部