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
基于深度学习的玉米叶部病害分割
被引量:
2
1
作者
王雪
王晓援
+1 位作者
刘洋
郭鑫鑫
《黑龙江科学》
2020年第20期10-13,共4页
针对深度网络模型在向下编码提取高层语义特征过程中丢失了部分空间上下文信息而影响后续分割精度的问题,本研究提出一种基于深度学习的CornDisNet网络分割模型。该网络在编码底层,从多个尺度提取图像语义特征,为后续解码捕获更多空间...
针对深度网络模型在向下编码提取高层语义特征过程中丢失了部分空间上下文信息而影响后续分割精度的问题,本研究提出一种基于深度学习的CornDisNet网络分割模型。该网络在编码底层,从多个尺度提取图像语义特征,为后续解码捕获更多空间上下文信息,实现了玉米叶部病害区域的精准分割。该网络结构主要包括编码模块、多尺度特征提取模块和解码模块。编码和解码模块采用U-Net网络中的编码和解码模块,多尺度特征提取模块通过使用Atrous卷积,从不同尺度提取特征,以保留更多空间上下文信息。该方法与U-Net网络在准确率Acc、召回率Rec和精确率Prec三个评价指标上进行了比较。实验结果表明,本研究提出的方法在玉米叶部病害分割中取得了更好的分割效果。
展开更多
关键词
深度学习
CornDisNet
多尺度特征
玉米叶部病害分割
下载PDF
职称材料
题名
基于深度学习的玉米叶部病害分割
被引量:
2
1
作者
王雪
王晓援
刘洋
郭鑫鑫
机构
吉林农业科技学院网络信息中心
出处
《黑龙江科学》
2020年第20期10-13,共4页
基金
吉林省新兴交叉学科数字农业培育项目(吉农院合字[2020]第XSNY013)。
文摘
针对深度网络模型在向下编码提取高层语义特征过程中丢失了部分空间上下文信息而影响后续分割精度的问题,本研究提出一种基于深度学习的CornDisNet网络分割模型。该网络在编码底层,从多个尺度提取图像语义特征,为后续解码捕获更多空间上下文信息,实现了玉米叶部病害区域的精准分割。该网络结构主要包括编码模块、多尺度特征提取模块和解码模块。编码和解码模块采用U-Net网络中的编码和解码模块,多尺度特征提取模块通过使用Atrous卷积,从不同尺度提取特征,以保留更多空间上下文信息。该方法与U-Net网络在准确率Acc、召回率Rec和精确率Prec三个评价指标上进行了比较。实验结果表明,本研究提出的方法在玉米叶部病害分割中取得了更好的分割效果。
关键词
深度学习
CornDisNet
多尺度特征
玉米叶部病害分割
Keywords
Deep learning
CornDisNet
Multi-scale feature
Corn leaf disease segmentation
分类号
TP391 [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
基于深度学习的玉米叶部病害分割
王雪
王晓援
刘洋
郭鑫鑫
《黑龙江科学》
2020
2
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