基于彩色通道相似性图像分割方法的植物叶面积计算

为了快速、准确地测量植物叶面积,该文提出了基于彩色通道相似性图像分割的植物叶面积测量方法。该文基于彩色图像,利用像素彩色通道的相似性和自适应方法得到的阈值分割叶片区域,并分别统计叶片和参考矩形的像素数,进而计算植物叶面积。试验表明,该方法得到的植物叶片区域更准确,并且对叶片阴影、花斑等具有很强的鲁棒性,错分率为仅为1.23%,具有较高的精度。该方法是一种实用的通过拍照计算植物叶面积的方法,可嵌入到手机等移动设备中。

基于相似度感知的深度卷积神经网络剪枝方法

随着卷积神经网络规模的不断扩大,由于其庞大的计算量和参数量,终端智能设备的部署及发展面临着巨大的挑战,因此如何保持模型精度的同时尽可能地压缩和加速模型至关重要.目前已有工作提出的压缩方法仍然存在压缩算法实现、压缩效果、压缩效率等方面的缺陷.为此,本文提出了一种基于通道相似性的卷积神经网络剪枝方法.具体而言,首先探究了卷积神经网络特征通道间的相似冗余,引入了一种高效的相似性指标来量化特征通道之间的相似性;其次,通过相似性排序算法移除整个网络中冗余的通道从而实现剪枝;再次,加载保留的通道参数通过微调减少由于剪枝操作造成对模型分类性能的影响.为了提高压缩效率,本文采用一次性剪枝策略,满足时间复杂度更低的要求.最后,在CIFAR-10、CIFAR-100数据集上对VGG-16、ResNet-56、ResNet-110、GoogLeNet模型的实验结果表明,与现有方法相比本文所提方法可以更高效地压缩模型且模型依然保持良好精度.