瓦斯灰显微图像的ResNet50网络多目标分类

由于瓦斯灰显微图像具有类别多样、背景复杂、边缘模糊等特点,仅用传统的计算机视觉分类方法对目标图片分类识别率较差.针对此问题,提出一种基于深度卷积残差网络(Deep Convolutional Residual Network)分类方法.在Caffe框架下,以ResNet50为网络模型,设计一种瓦斯灰显微图像多目标自动分类的模型,实验结果表明,ResNet50模型识别图像的正确率要高于其余网络,达到98.75%,说明该模型具有较强的特征提取能力.     

多分支水平井产能模拟实验

自行设计和研制了一套多分支水平井产能模拟实验装置。该装置由密封水箱、注水管、排水控制阀和模拟地层组成。模拟地层中设计了1个主井眼和4个分支井眼,分支角度均为75°。通过对分支井的操作,设计7种不同的分支形态,可对分支数量、分支长度、分支间距和分支布置方式对产能的影响进行模拟实验。实验表明:3个分支的产能最大,4个分支产能次之,2个分支的产能最小;分支数量相同时,适当缩短部分分支的长度可增大产能;分支间距为240mm比分支间距80mm的最终产能大;异侧2个分支比同侧2个分支的产能大。     

基于残差网络的图像超分辨率算法改进研究

图像超分辨率重建算法的主要内容是使用低分辨率的图像信息生成高分辨率图像。近年来,随着深度学习和卷积神经网络的发展,出现了很多基于卷积神经网络与残差网络的超分辨率算法。为了解决这些算法参数数量过多、处理过程复杂、训练时间长等问题,结合现有残差网络模型和深度学习算法对其进行改进,包括调整网络结构,减少需要学习的参数,以及去除批归一化层,降低计算复杂度。改进后的网络模型能够取得更好的效果,生成图像的主观和客观评价有一定提高。     

多分支平面印刷天线的设计

设计了一种多分支平面印刷天线,采用微带线馈电方式,其中微带线设计成T形,与辐射单元匹配.辐射单元由3个L形的金属面结构构成,其分别工作在2.4 GHz、3.5 GHz和5.4 GHz,可应用于无线局域网（WLAN）和全球微波互联接（WiMAX）系统.通过电磁仿真软件HFSS对这种天线进行设计,在WLAN应用频段上10 dB阻抗带宽分别为1 GHz （4.9～5.9 GHz）和310 MHz （2.24～2.55 GHz）;在WiMAX应用频段上10 dB阻抗带宽380 MHz （3.3～3.68 GHz）.实测结果表明,这种天线具有良好的远场辐射特性,其增益在2.5～4.7 dBi之间.     

复变函数的多值性与单叶分支

本文通过实分析与复分析的对比，给出了多值的复变函数分割出单叶分支的方法。     

基于C语言中的分支结构及其用法

文章通过介绍几种语句来实现选择结构程序设计,根据某种条件的成立与否而采用不同的程序段进行处理的程序,遇到多分支选择结构,虽然用嵌套if语句也能实现多分支结构程序,但分支较多时显得很繁琐,可读性较差.C语言中,switch语句专用于实现多分支结构程序,其特点使各分支清晰而直观.     

基于k近邻的多标签分类算法性能比较

为拓展k近邻法在多标签分类中的应用范围,分析不同测试方法在多标签分类中的性能.通过留一法对数据样本(Yeast,Image和Scene 3组数据集)进行预处理,采用欧式距离、余弦距离以及曼哈顿距离分别计算每个样本的k个近邻,分成训练样本1500个,测试样本917个;然后,根据近邻标签信息对每一类标签进行投票,形成新数据...     

MCS-51单片机多分支程序的实现

通过对MCS-51单片机指令系统的分析,给出了单片机多分支程序的转移指令法和查表法实现,着重分析了查表法中分别使用地址偏移量表、转移指令表和地址表实现多分支程序的特点和局限性,探讨了扩展分支的方法和示例.     

CASE多分支程序控制方式研究

本文对当前主流程序设计语言中CASE多分支语句作了分类比较,分析了这些语句关于多分支程序控制方式的不同与应用特点,并在此基础上讨论了运用函数指针控制多分支转移的方法,以改进此类程序的实时性。     

浅析BASIC中实现多分支选择的三种结构

通过对MSBASIC中三种实现多分支选择结构的分析,指出在实际应用中,针对不同问题其各自的利弊及局限性．     

一种基于双网络模型的图像识别新方法

针对基于复杂网络图像识别方法建模复杂度过高问题,提出一种基于双网络模型的灰度图像识别新方法。首先将像素点作为复杂网络节点,基于灰度乘积构建图像的结构平衡网络模型以及基于欧氏距离构建复杂网络模型,然后分别计算两种网络模型的拓扑特征参量,形成最终的图像特征识别参量。相比现有基于复杂网络的图像识别方法,该方法在理论上能够降低图像建模复杂度,提高图像识别速度。使用 YALE 人脸数据库进行仿真对比实验,结果表明,该方法的图像识别速度为传统复杂网络方法的 35%,正确率提高了 4%。     

基于神经网络的姿态识别算法

公共场所视频监控网络部署日益完善,智能视频监控技术在安防、交通等领域作用越来越大。针对视频监控数据中的人类目标,提出一种基于计算机视觉的姿态识别方法。通过YOLO算法和AlphaPose模型完成对视频中人类目标检测识别以及姿态估计,在此基础上分析人体关节之间的角度对姿态分类的影响,从中提取有效的分类特征,构造并训练5层神经网络模型,完成对站、坐、躺最常见3种姿态分类。实验结果表明,训练得到的神经网络模型准确率达到85%以上,识别速率大约为每秒30帧,在安防监控、检测人员摔倒、疾病报警等方面具有一定应用价值。     

基于改进的BP网络的CD4细胞图像识别

采用改进的BP网络分类器对CD4细胞图像进行识别.首先对图像进行了预处理,分析了图像的特征,然后通过增L减R法选择,介绍了BP网络分类器和LM算法的原理,构建了基于LM算法的BP网络分类器,较好地实现了CD4细胞的识别.     

基于生成对抗网络的图像盲去运动模糊算法

针对运动图像盲去模糊问题,基于生成对抗网络,提出利用一种端对端方式恢复模糊图像算法。运用生成对抗神经网络方法对运动模糊图像直接复原,跳过估计模糊核过程,增加感知损失作为损失项,使图片内容和全局结构接近。此外,增加结构相似性损失函数作为约束项,进一步提升生成图片与清晰图片的相似性。实验结果表明,新算法可有效去除运动图像模糊。与其它算法相比,所提算法获得的图像更加清晰。     

基于图像形态学分水岭算法的菌落图像识别

主要介绍了基于图像形态学分水岭算法的菌落图像识别方法.根据菌落图像的基本特征,利用形态学分水岭算法,对图像进行识别和统计.得到较为满意的效果.     

基于人工神经网络的模式识别

利用数学软件MATLAB研究了基于人工神经网络的模式识别,这种基于人工神经网络的模式识别系统不仅能够识别字母还能识别汉字和数字,适用于汉字识别和数字签名。     

基于复合特征 BP 神经网络算法的车牌识别技术研究

传统的模板匹配算法对车牌图像的伸缩、倾斜及背景干扰比较敏感,识别效果不理想.提出将对字符进行归一化处理后所提取的点特征与重心特征进行复合,作为 BP 神经网络算法的输入特征,大大提高了识别率与识别速度.     

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。