修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

287 条数据
?? 中文（中国） ▾

  • 基于HJ-1 A/B数据预训练卷积神经网络的复杂地貌区水稻田制图方法

    摘要： 准确及时的水稻种植面积信息对作物产量估算、全球气候变化研究和农业资源管理至关重要。本研究提出一种新颖的像素级分类方法，利用卷积神经网络（CNN）模型提取增强型植被指数（EVI）时间序列曲线的特征进行分类。该研究旨在通过中分辨率遥感影像，探索深度学习技术在复杂景观区域（水稻易与周边环境混淆）进行水稻识别的实用性。实验采用迁移学习策略微调预训练CNN模型以获取EVI曲线时序特征，同时使用传统机器学习方法支持向量机（SVM）作为对比。最终评估显示：本模型总体精度达93.60%，优于SVM的91.05%。因此基于预训练CNN模型利用时序数据估算中国南方水稻种植面积具有适用性，未来研究在作物遥感分类与深度学习技术结合方面展现出更多可能性。

    关键词： 绘制稻田地图、卷积神经网络、植被指数时间序列、复杂地形、迁移学习

    更新于2025-09-23 15:21:01

  • [IEEE 2018年第25届国际图像处理会议(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理会议(ICIP) - 基于三维视觉显著性的盲网格视觉质量评估卷积神经网络

    摘要： 在这项工作中，我们提出了一种卷积神经网络（CNN）框架，用于在无参考条件下评估三维网格的感知视觉质量。该CNN架构以根据显著性水平精心选取的小图像块作为输入。具体而言，首先计算三维网格的视觉显著性，然后从三维网格及其对应的三维显著性图生成二维投影视图。随后将这些视图分割成小图像块，并通过显著性滤波器筛选出最具相关性的图像块。我们在两个MVQ评估数据库上进行了实验，结果表明训练后的CNN在与人类判断的相关性方面取得了良好效果。

    关键词： 盲网格视觉质量评估，卷积神经网络（CNN），网格视觉显著性

    更新于2025-09-23 15:21:01

  • [2018年第三届IEEE图像、视觉与计算国际会议（ICIVC）- 中国重庆（2018年6月27日-29日）] 2018年第三届IEEE图像、视觉与计算国际会议（ICIVC）- 基于深度森林的卷积残差特征场景识别

    摘要： 卷积神经网络（CNN）在图像分类及其他相关计算机视觉领域取得了显著进展，但这些方法需要大规模数据进行训练。本文提出了一种名为DFCRF（具有卷积残差特征的深度森林）的方法，该方法基于周志华和冯霁提出的gcForest框架。我们采用最新发布的AI Challenger数据集（包含约5万张主要拍摄于中国的图像）。与仅使用CNN不同，我们进一步利用卷积残差特征进行识别，并结合基于梯度的XGBoost和级联深度森林。随后，我们在AI Challenger数据集和重构的Places2数据集上进行了大量实验，以验证本方法的有效性。

    关键词： 深林，场景识别，AI挑战者，卷积神经网络

    更新于2025-09-23 15:21:01

  • 基于HSI颜色模型的低光照传感器图像增强算法

    摘要： 在低光照等恶劣环境中传感器采集的图像通?；岢鱿只释嘶硐治芗鹊?、亮度不足和对比度低下。为改善此类图像质量，本文提出一种基于HSI颜色模型的低光照传感器图像增强算法。首先，我们采用基于Retinex模型的数据集生成方法来解决样本数据不足的问题；随后将原始低光照图像从RGB色彩空间转换至HSI空间，运用分段指数法处理饱和度(S)分量，并通过专门设计的深度卷积神经网络增强亮度(I)分量；最后转换回原始RGB空间获得最终优化图像。实验结果表明，相比其他前沿研究成果，本算法不仅能显著提升图像亮度和对比度，还能有效避免色彩失真与过度增强问题，从而切实提高传感器图像质量。

    关键词： 卷积神经网络、Retinex模型、图像增强、色彩模型、批量归一化、特征学习

    更新于2025-09-23 15:21:01

  • [IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京(2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 图像分类中的视觉树卷积神经网络

    摘要： 在图像分类领域，随着深度学习的快速发展，卷积神经网络（CNN）模型已取得优异性能。然而图像数据集中某些类别比其他类别更难区分，提升这些易混淆类别的分类准确率有助于整体性能优化。本文基于语义层面的混淆信息构建混淆视觉树（CVT）来识别易混淆类别，通过CVT提供的信息引导CNN训练过程对这些易混淆类别给予更多关注。为此，我们在原始深度CNN中嵌入CVT，提出视觉树卷积神经网络（VT-CNN）。通过在基准数据集CIFAR-10和CIFAR-100上的评估实验，我们构建了3种不同的VT-CNN模型，其分类准确率较基础CNN模型分别提升了1.36%、0.89%和0.64%。

    关键词： 图像分类、卷积神经网络、混淆可视化树、深度学习

    更新于2025-09-23 15:21:01

  • [IEEE 2018年第24届国际模式识别会议（ICPR） - 中国北京（2018年8月20日-2018年8月24日）] 2018年第24届国际模式识别会议（ICPR） - 基于标签传播的半监督卷积神经网络用于图像分类

    摘要： 过去几年中，深度学习在人脸验证、物体分类等众多视觉任务中取得了优异表现。然而实际应用中有限的标注训练样本仍是制约性能提升的瓶颈。本文将未标注训练数据的类别估计与深度学习模型相结合，构建了同时利用标注数据与未标注数据进行训练的新型半监督卷积神经网络（SSCNN）。该框架通过联合学习深度卷积特征提取与未标注数据类别估计：首先基于具有可信类别估计的标注及未标注数据学习深度卷积特征，继而采用标签传播算法估计未标注样本身份。随着CNN特征判别性不断增强，SSCNN的交替优化过程使未标注数据的类别估计持续精确化。我们在MNIST和Cifar-10数据库上将所提方法与典型半监督学习算法进行对比，地标数据库上的大量实验验证了该半监督深度学习框架的有效性。

    关键词： 卷积神经网络，半监督学习，标签传播

    更新于2025-09-23 15:21:01

  • [智能系统与计算进展] 智能计算技术最新研究成果 第709卷（第五届ICACNI 2017会议录，第3卷）|| 基于深度卷积架构的图像识别最优方法

    摘要： 近年来，深度学习因其卓越性能在各类机器学习算法中广受青睐。这种层级化或结构化学习方法通过处理层组来建模数据中的高层抽象特征。其架构基础源于对人类大脑信息处理机制与神经响应的认知，通过堆叠多个线性/非线性运算构建而成。本文重点探讨前沿深度学习模型及多种面向实际应用的专项训练方法。针对特定问题选择最优架构颇具挑战性，在文章结尾部分，我们提出了适用于图像识别任务的最优深度卷积架构方案。

    关键词： 深度神经网络、图像识别、图像处理、迁移学习、卷积神经网络、深度学习

    更新于2025-09-23 15:21:01

  • 基于卷积神经网络的无人机影像柑橘树识别

    摘要： 遥感技术对精准农业至关重要，无人机（UAV）提供的空间分辨率正在革新精准农业的工作流程，用于监测作物生长季的健康状况与产量、识别和监控杂草等应用。针对单株果树的生长、果实产量及病虫害发生情况的监测仍是重点研究方向，采用自动化手段（而非人工勾绘）划定每棵树的范围，将有助于长期农场管理。本文利用简单的卷积神经网络（CNN）算法从无人机影像中检测柑橘及其他作物果树，随后通过简单线性迭代聚类（SLIC）算法生成的超像素进行分类优化。该工作流在相对复杂的农业环境（多目标、不同树龄与大小的果树等）中表现良好，取得了高精度（总体精度=96.24%，精确率（阳性预测值）=94.59%，召回率（灵敏度）=97.94%）。据我们所知，这是首次将CNN与无人机多光谱影像结合应用于柑橘树检测。需要更多此类个案研究，以开发标准化的自动化工作流，帮助农业管理者更好地将海量高分辨率无人机影像融入农业生产管理。

    关键词： 无人机系统、树木识别、柑橘、精准农业、卷积神经网络、特征提取、深度学习、超像素

    更新于2025-09-23 15:21:01

  • 基于卷积深度宽网络（CDWN）的低剂量胸部CT扫描自动肺部分割

    摘要： 计算机断层扫描（CT）成像是诊断肺部相关病症的首选影像学手段。自动肺部分割是开发胸部CT图像计算机辅助诊断系统最常见的先决条件。本文提出一种卷积深度宽网络（CDWN），用于从胸部CT扫描中分割肺区以实现进一步医学诊断。早期肺部分割技术依赖人工设计特征，其性能取决于所采用的分割特征。本模型通过两个阶段实现完整CT扫描的自动肺部分割：(1) 在卷积层学习提取层次化特征表示所需的滤波器；(2) 通过可学习反卷积层进行空间特征的密集预测。该模型使用LIDC-IDRI数据库中的低剂量胸部CT扫描图像进行训练和评估，在20张测试图像的肺区分割任务中达到平均Dice系数0.95、准确率98%，且所有测试图像均保持稳定结果。实验数据证实，相较于其他先进肺部分割方法，本方案具有更优性能。

    关键词： 医学影像、图像处理与分析、深度学习、自动肺部分割、卷积神经网络

    更新于2025-09-23 15:21:01

  • [IEEE 2018年第七届全球消费电子大会(GCCE) - 日本奈良 (2018.10.9-2018.10.12)] 2018年IEEE第七届全球消费电子大会(GCCE) - 基于全卷积神经网络的人体皮肤分割

    摘要： 近年来，皮肤分割在计算机视觉领域备受关注。研究人员通常使用简单的预训练模型或在颜色空间中设定固定阈值来处理皮肤分割问题，但这种方法在许多情况下很可能失效。此外，卷积神经网络（CNN）在计算机视觉领域已取得巨大成功。本文提出了一种用于皮肤分割的全卷积神经网络方法。本研究提供了一个手工制作的皮肤数据集。实验中我们尝试了多种CNN结构以确定最优方案。根据实验结果，我们在三个知名皮肤数据集上获得了显著成效。

    关键词： 深度学习、皮肤分割、卷积神经网络、人体皮肤数据集

    更新于2025-09-23 15:19:57