【摘 要】
：
针对卷积神经网络在高光谱图像特征提取和分类的过程中，存在空谱特征提取不充分以及网络层数太多引起的参数量大、计算复杂的问题，提出快速3D-CNN（3-Dimension convolutional neural networks）结合深度可分离卷积(depthwise separable convolution，DSC)的轻量型卷积模型。该方法首先利用增量主成分分析(incremental Prin
论文部分内容阅读
针对卷积神经网络在高光谱图像特征提取和分类的过程中，存在空谱特征提取不充分以及网络层数太多引起的参数量大、计算复杂的问题，提出快速3D-CNN（3-Dimension convolutional neural networks）结合深度可分离卷积(depthwise separable convolution，DSC)的轻量型卷积模型。该方法首先利用增量主成分分析(incremental Principal component analysis，IPCA)对输入的数据进行降维预处理；其次将输入模型的
其他文献
土壤团聚体在外部和内部因素影响下发生团聚和破碎过程，形成不同大小分布的团聚体。团聚体大小分布的变化会改变土壤孔隙结构，影响各种土壤物理、化学和生物学过程，进而影响土壤有机碳（SOC）的周转。选择三种长期施用不同量有机肥的红壤（不施肥，CK；施低量有机肥，LM；施高量有机肥，HM），过不同大小孔径筛（5 mm，S_(5)；2 mm，S_(2)；0.5 mm，S_(0.5)）改变团聚体的大小分布，然后
为准确检测水下生物，本文采用优化的MSRCR算法对水下图像进行增强，并基于DenseNet思想提出一种改进的YOLOv3目标检测算法Den-YOLOv3。针对水下生物图像中存在的图像模糊、色偏严重的问题，将ACE算法作用于MSRCR算法增强后的图像，以优化图像颜色及亮度。同时将YOLOv3特征提取网络中的残差模块替换成密集块，得到Den-YOLOv3模型，该模型有效加强了特征传播，提高了检测精度。
随着卷积神经网络的发展，视频超分辨率算法取得了显著的成功。因为帧与帧之间的依赖关系比较复杂，所以传统方法缺乏对复杂的依赖关系进行建模的能力，难以对视频超分辨率重建的过程进行精确的运动估计和补偿。因此提出一个基于光流残差的重建网络，在低分辨率空间使用密集残差网络得到相邻视频帧的互补信息，再通过金字塔的结构来预测高分辨率视频帧的光流，然后通过亚像素卷积层将低分辨率的视频帧变成高分辨率视频帧，并将高分辨
现有的指纹索引方法大多是基于实数值特征向量，当应用于大规模指纹库时无法避免计算资源与存储空间消耗巨大的问题。为了在海量指纹库中进行高效快速检索并得到实时响应结果，本文提出了一种全新的基于有监督深度哈希的指纹索引方法。在本方法中，将传统指纹领域知识与自注意力深度哈希模型相结合。传统领域知识用于指纹图像预处理来获取指纹二值骨架图，自注意力深度哈希模型进行特征提取与哈希映射得到二进制编码。其中特征提取模
多任务学习可以在训练中联合利用多个任务的监督信号，并通过共享多个相关任务之间的有用信息来提升模型性能。本文从目标分类识别应用角度，全面梳理和分析了多任务学习的机制及其主流方法。首先，对多任务学习的定义、原理和方法进行阐述。其次，以应用较为广泛、具有代表性且具有共性特点的细粒度分类和目标重识别为例，重点介绍多任务学习机制在目标分类和识别任务应用的两类方法：基于任务层的多任务学习和基于特征层的多任务学
微量元素对作物生长至关重要，长期施用微肥可能影响微量元素在农田土壤中的分布，进而影响作物产量及土壤有机碳结构。以渭北旱塬35年锌（Zn）、锰（Mn）、铜（Cu）微肥处理农田为研究对象，分别测定耕层土壤≥250、250～125、125～63、63～20、≤20μm粒级中Zn、Mn、Cu元素含量，并通过傅立叶变换红外光谱（FTIR）测定各粒级有机官能团类型及含量，以期揭示长期微肥下微量元素积累与有机官
序列图像超分辨率（SuperResolution，SR）算法可以利用多帧低分辨率图像之间的互补信息重建出一张高分辨率结果。传统非局部均值（Non-Local Means，NLM）超分辨率重建方法的迭代次数选取和最佳SR重建结果筛选过程高度依赖使用者经验值和主观评价，这极大的增加了算法复杂度、降低了算法的鲁棒性。为了解决这两个问题，提出一种基于图像质量评价（Image Quality Assessm
在转炉炼钢过程中，终点时刻炉口火焰的颜色和纹理与钢水碳含量之间存在密切的对应关系，提取有效的火焰图像特征是准确预测钢水碳含量的关键。结合火焰纹理多方向多尺度等特点，本文提出一种改进的多趋势二进制编码彩色纹理特征表述方法（Improved multi-trend binary coded color texture feature expression method，IMTBCD）。首先，考虑颜色通
基于视觉感知的表面缺陷检测，具有高效、可防止二次损伤等优点，被广泛应用于各种工业场景中。近年来深度学习技术的快速发展进一步推动了视觉缺陷检测的进步与应用。本文以特征的显式提取与自动提取为思路，对基于视觉感知的缺陷检测方法进行综述和分析。首先，简要描述了视觉缺陷检测系统的基本构成，将缺陷检测中的视觉感知归为分类、目标检测和分割三个层次。然后，本文将现有的视觉检测方法分为基于显式特征提取的(传统方法)
AP2/ERF (APETALA2/ethylene-responsive factor)是植物中广泛存在的一类超大家族转录因子，含有1～2个由58～70个氨基酸组成AP2/ERF结构域，根据AP2/ERF结构域的数量及结合序列可以将其分为5个亚家族：AP2 (APETALA2)、ERF (Ethylene responsive element binding factor)、DREB/CBF (