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
1
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
基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级方法
1
作者
梁春波
刘昌华
《武汉轻工大学学报》
CAS
2023年第3期108-114,119,共8页
针对传统油菜根肿瘤分级方法精准性差、效率不高等问题,提出了一种基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级算法。利用数据增强技术对采集的油菜根肿瘤图像进行样本数据的扩充,在ResNet34模型的基础上,选择不同的位置增加SE(S...
针对传统油菜根肿瘤分级方法精准性差、效率不高等问题,提出了一种基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级算法。利用数据增强技术对采集的油菜根肿瘤图像进行样本数据的扩充,在ResNet34模型的基础上,选择不同的位置增加SE(Squeeze-and-Excitation)注意力分支,强化ResNet34对油菜根部病害区域的特征识别能力,提高网络识别油菜根肿瘤的精度,最后利用迁移学习的方法将预训练的参数权重迁移到所提模型进行训练,提高训练速度。试验以油菜5类常见的根肿瘤分级标准(N0~N4)为主要研究对象,并与原始的ResNet34算法模型进行比较。试验结果表明,所提SE_ResNet34_Qianyi模型对油菜根肿瘤的分级准确率可达86.39%,高于ResNet34_Qianyi(84.90%)和ResNet34(54.15%),可有效提取油菜根肿瘤特征,增强对多类根肿瘤级别的识别,提高识别准确率。
展开更多
关键词
油菜根肿瘤
ResNet34
注意力机制
深度学习
迁移学习
下载PDF
职称材料
题名
基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级方法
1
作者
梁春波
刘昌华
机构
武汉轻工大学数学与计算机学院
出处
《武汉轻工大学学报》
CAS
2023年第3期108-114,119,共8页
基金
2021年湖北省教育厅教学研究项目(2021351)。
文摘
针对传统油菜根肿瘤分级方法精准性差、效率不高等问题,提出了一种基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级算法。利用数据增强技术对采集的油菜根肿瘤图像进行样本数据的扩充,在ResNet34模型的基础上,选择不同的位置增加SE(Squeeze-and-Excitation)注意力分支,强化ResNet34对油菜根部病害区域的特征识别能力,提高网络识别油菜根肿瘤的精度,最后利用迁移学习的方法将预训练的参数权重迁移到所提模型进行训练,提高训练速度。试验以油菜5类常见的根肿瘤分级标准(N0~N4)为主要研究对象,并与原始的ResNet34算法模型进行比较。试验结果表明,所提SE_ResNet34_Qianyi模型对油菜根肿瘤的分级准确率可达86.39%,高于ResNet34_Qianyi(84.90%)和ResNet34(54.15%),可有效提取油菜根肿瘤特征,增强对多类根肿瘤级别的识别,提高识别准确率。
关键词
油菜根肿瘤
ResNet34
注意力机制
深度学习
迁移学习
Keywords
rapeseed root tumor
ResNet34
attention mechanism
deep learning
transfer learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进的ResNet34网络和迁移学习的油菜根肿瘤分级方法
梁春波
刘昌华
《武汉轻工大学学报》
CAS
2023
0
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