植物识别融合式双特征卷积神经网络

来源 :计算机工程与设计 | 被引量 : 0次 | 上传用户:huimiandiadia
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为提取高效的植物形态学特征,提升在图像中植物的识别准确率,结合植物的宏观整体轮廓和微观局部纹理特征,提出融合式双特征神经网络(HDF-CNN)进行植物识别。采用并行双通道方案,充分利用密集残差网络增强植物器官细节纹理描述,采用另一个大卷积核CNN提取植物全局轮廓特征,将宏观和微观的特征融合后得到一个全面的植物特征。实验结果表明,与常见的图像识别方法相比,该方法能提取到精准高效的植物图像特征,取得了更高的识别准确率。
其他文献
从待机低功耗考虑,分析终端的主要耗电模块,结合GMR-13G卫星通信协议,研究终端的空闲模式特性及其工作模式。利用非连续接收的思想,提出针对终端在空闲模式下信道数据接收的睡眠算法,通过睡眠算法,实现终端功能模块在具体帧号的打开或关闭。将低功耗模式划分为浅睡模式及深睡模式,基于睡眠算法对这两种模式分别进行设计。通过对功耗数据进行测试,验证了低功耗设计方案能够有效降低终端空闲状态下的待机功耗。
基于小波包分解和共空域模式的方法(WPD-CSP)弥补了CSP方法的频率缺陷,但是非常耗时。针对此问题,提出基于通道选择的WPD-CSP改进方法。使用Fisher判别准则(FDC)选择被试特异的最优通道,对选择的通道进行WPD分解,选择与运动想象任务相关的频率子带进行CSP特征提取,采用Fisher线性判别分析(FLDA)进行分类。使用公开的脑机接口(BCI)竞赛数据集和自采集数据集进行实验,所提方法分别取得了83.11%和71.49%的最高平均分类准确率。与现有方法相比,该方法具有较好的分类准确率,减少
为解决卷积神经网络计算效率和能效较低的问题,提出并设计一种使用定点数据作为输入的卷积加速器。加速器支持动态量化的8 bits定点数据的卷积计算,通过采用分块计算的策略和改进的循环计算顺序,有效提高计算效率;支持激活、批标准化(BN)、池化和全连接等计算;基于软硬件协同设计的思路,设计包含卷积加速器和ARM处理器在内的SoC系统。提出一种将加速器进行多核扩展的方法,提高算力和移植便捷性。将加速器部署在Xilinx ZCU102开发板上,其中单核加速器的算力达到了153.6 GOP/s,在计算核数目增加到4个
针对Top-k高效用项集挖掘算法在挖掘过程中忽略内存管理的问题,提出基于DBP的Top-k高效用项集挖掘算法TKBPH(Top-k buffer pool high utility itemsets mining),采用数据缓冲
针对当前运动图像去模糊网络忽略了运动模糊图像的非均匀性,不能有效地恢复图像的高频细节及去除伪影等问题,在对抗网络基础上提出一种基于自适应残差的运动图像去模糊方法。在生成网络中构造由形变卷积模块和通道注意力模块组成的自适应残差模块。其中,形变卷积模块学习运动模糊图像特征的形变量,可以根据图像的形变信息动态调整卷积核的形状和大小,提高网络适应图像形变的能力。通道注意力模块对所提取的形变特征进行通道调整
针对现有基于超声波的手势识别方案微手势的识别率偏低的问题,在现有特征集合的基础上,添加多普勒轮廓和距离轮廓的相关特征;为减少特征提取的计算量,提高系统的响应速度,提出一套尽量采用数据依赖关系存在关联的特征构成特征集合的筛选标准。对8种手势进行识别实验,测试结果表明,采用优化后的特征集合,相同的特征维数,整体的识别率提高了1.3%,其中微手势的识别率提高了3.4%,特征提取的运行时间缩短了44.1%
水稻是非常重要的粮食作物,其种植范围在不断拓宽,种植数量也在不断增加,水稻实际种植过程中各类机械设备的应用有效提升了水稻的种植效率和种植质量,农村地区的生态环境也有明显
针对异质人脸合成问题,根据生成对抗网络在图像合成问题中的优势,将改进的循环生成对抗网络(CycleGAN)应用于异质人脸的合成研究当中。该方法可以降低不同模态人脸图像之间因为特征结构不同导致合成困难的问题。收集照片和素描两种模态的人脸数据,在两种模态之间使用循环对抗网络进行图像生成,实现两种模态之间的转换。利用最小二乘损失函数和Smooth损失函数对原网络目标函数进行改进,可以提高训练过程的稳定性
本文在对植树造林技术的探索中,分析出其应用方法,使其更好地保护环境。
在航天工程中,面对任务的不同需求,使用的CAN总线通信协议往往是有针对性的,这使得任务之间难以通用,造成了协调工作的困难。为解决这一问题,提出以EDS为核心内容的CAN总线即插即用解决方案,包括EDS格式、握手协议、主从节点、汇聚层和EDS工具链的设计等内容。EDS的设计分为握手EDS和通信EDS,允许对入网节点的消息格式和内容进行个性化描述。主节点的设计内容主要是消息编排算法,根据EDS完成总线通信的构建,实现对新加入节点的自动识别和正常通信。汇聚层的设计旨在进行异构子网之间的协议同构。EDS工具链的设