改进VGG网络的人脸表情识别

在VGG网络上加入改进型高阶残差模块和参数共享反馈子网络降低网络退化度和减少网络参数量,并利用通道注意力机制给通道分配不同权重,来提高表情识别度。将此网络运用到两个具有代表性的数据集FER2013、CK+中。实验结果表明,识别率分别为65.34%和96.88%。

基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别

当前,大部分农作物病害图像识别方法主要关注于精度而忽略了鲁棒性.在面向实际环境时,由于噪声干扰和环境因素影响导致识别精度不高.为此提出了一种高阶残差和参数共享反馈的卷积神经网络模型以应用于实际环境农作物病害识别.其中,高阶残差子网络为病害表观提供丰富细致的特征表达,以提高模型识别精度;参数共享反馈子网络用来进一步抑制原深层特征中的背景噪声,以提高模型的鲁棒性.实验结果表明,当面向实际环境农作物病害识别时,本文方法在识别精度和鲁棒性上均优于其他方法.

基于改进VGG网络的农作物病害图像识别

随着计算机技术的飞速发展,使用机器视觉进行农作物病害识别成为了一种趋势。但是,当前农作物病害图像识别研究主要集中在提高其识别精度方面而很少考虑实际复杂自然条件下的鲁棒性研究。在实际复杂自然条件下,噪声和复杂自然条件背景会降低识别精度。为此,对VGG网络进行改进,将高阶残差和参数共享反馈子网络添加进VGG网络中,识别实际复杂自然条件下的农作物病害。农作物病害表观的特征表达由高阶残差子网络提供,高阶残差子网络使病害识别的准确率更高;病害图像深层特征中的背景噪声被参数共享反馈子网络削弱,使改进VGG网络具有更强的鲁棒性。实验分析表明:在实际大田环境中,此方法在识别精度和鲁棒性方面比SVM、AlexNET、ResNet-50、VGG-16效果更好。