基于卷积神经网络的农作物图像识别方法研究

为了使计算机视觉技术更好地应用于农业自动化领域,本文采用两种识别方法:一种是使用卷积神经网络算法对图像直接进行识别分类;另一种是先对图像进行预处理及分割,然后提取图像的颜色、纹理、形状和内在低维流形特征等特征参数,使用BP神经网络和Elman神经网络算法对提取的特征参数进行识别。通过对两种图像识别方法识别结果的比较,发...     

基于多尺度卷积神经网络的矿山监控图像识别研究

现有矿山复垦监测识别方法主要有遥感卫星监测、土壤环境指标判断以及无人机监测等,但这些方法存在精度较低、时效性差等问题。为此,文章提出了一种基于多尺度卷积神经网络的矿山监控图像识别方法,通过采集高清摄像头传送的视频流数据,对关键帧图像进行分析处理,然后通过对比任意时刻图像的差异来判断矿山生态修复治理质量状况。该方法在安徽省境内露天矿山进行了实地应用,结果表明此方法具有高稳定性的生态修复识别能力,可为露天矿山的环境治理提供有效的技术支持。     

基于卷积神经网络的商品图像分类研究

卷积神经网络是深度学习的一种高效识别方法,将卷积神经网络引入商品图像识别中,能够提高识别精度。卷积神经网络可以直接输入原始图像,以避免对图像进行复杂的预处理工作。首先介绍了卷积神经网络的各层作用,然后设计了多种基于卷积神经网络识别商品图像的模型,从多方面测试了卷积神经网络的分类性能。为提高训练速度,卷积层的激活函数采用线性修正函数(Rectified Linear Units,ReLU)。为确保模型的判别性,对下采样层的特征图进行局部对比度归一化,所设计的网络模型在实验中均达到90%以上的平均分类正确率。     

基于改进元胞卷积网络的遥感图像识别

为了加强卷积神经网络结构构建与训练效率,提出了改进的元胞卷积网络.首先分析了遥感地物间的差异性,实现像元邻域扩展,挖掘地物间邻域信息;进而以3层卷积神经网络作为元胞单元,构建元胞卷积网络集成框架,通过Boosting集成方式对各元胞单元识别结果进行决策级融合,获得最终识别结果.针对高分遥感图像的玉米种植区域进行识别预测...     

基于卷积神经网络的人脸识别研究

为解决传统人脸识别算法手工提取特征困难的问题,将卷积神经网络引入人脸识别任务中。为适应ORL数据集人脸识别任务的需要,参照经典的卷积神经网络模型Lenet-5的结构,提出一种适用于该数据集的CNN结构。实验结果表明,所提出的CNN结构具有较少的学习参数,且在ORL数据集上取得了较高的识别率。与传统人脸识别算法进行比较研究,从实验结果可以看出,在识别正确率上,所提出的卷积神经网络结构优于大多数识别算法。     

基于卷积神经网络的古玩图片分类方法

针对现有的网上古玩图片分类算法需要人工设计特征、依赖个人经验的不足,提出一种基于卷积神经网络的分类方法。将背景分离后的图片输入网络,自动提取特征进行分类,在达到较好分类结果的同时网络结构更加简单,并且设置合适的特征图个数使网络取得较好的识别率。实验结果表明,该方法应用卷积神经网络能够解决网上古玩图片分类问题,与传统卷积神经网络相比网络结构更简单、识别率更高;与常用的Hog特征相比,在测试时间相近的情况下该方法识别率更高。     

基于改进卷积神经网络的交通标志识别分类方法

交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分,由于道路交通较为复杂,提高交通检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。文章提出一种基于参数优化的卷积神经网络方法,在对选用的数据集进行预处理操作基础上,适当调整CNN的规模、结构,使用网格法对相关参数进行协同优化,再使用改进的CNN模型在CTSDB数据集上进行训练和验证。结果表明：优化后的模型性能和稳健性均显著提高,且能够有效地完成交通标志的识别、分类任务。     

基于卷积神经网络的智能分类垃圾系统设计

该设计的目的是为了提高垃圾分类的效率,更好、更准确的完成垃圾分类工作。设计利用图像分类技术和迁移学习方法,对轻量级Mobile Net卷积神经网络进行迁移学习,构建垃圾分类模型,通过不断给机器“喂数据”的机器自学习过程,提高识别准确性。测试表明,系统对相关特征比较明显的垃圾可以达到98%左右的识别准确率,达到了预期设计目标。     

基于卷积神经网络的病虫害可视化监测系统设计

病虫害监测是提高农业生产效率和产量的有效措施。提出一个基于卷积神经网络的农作物病虫害智能监测系统。该系统以移动端为媒介实现监测众包化,基于 GIS 平台对相关区域病虫害发展态势进行数据可视化分析,显示病虫害位置与规模,代替人工识别常见农作物病虫害。实验证明,该系统对农作物病虫害常见的 10 个物种与 27 种病虫种类识别率达 95%,病虫害严重程度识别率达 85%。移动端采集地理定位信息误差5~10m,系统还可对变化趋势进行可视化展示,为农作物病虫害识别、防治及决策提供有效方案。     

基于深度神经网络的多模态计算机图像识别

为消除锐化与噪声,提高多种不同类型多模态图像的识别精度,基于深度神经网络构建多模态图像识别模型。所提出的图像识别模型通过缩减原则降低相邻顶点间的相似性,采用相似度计算规则估算相邻两个顶点的相似性,有效提升计算机图像识别效率。为节约图像识别运算的空间,在Spark中引入了GraphX的GXDSGC。将提出的方法应用于实际的多模态图像识别中,结果表明所提出的识别算法无须占用大量的硬盘I/O资源,所耗费时间明显缩短,且GXDSGC算法比Hadoop中基于MapReduce框架的算法快30倍以上,显著提高了大数据分析中计算机图像识别的效率。     

基于空间共生词袋模型与卷积神经网络的医学影像分类方法

医学图像分类技术对于医学辅助诊断具有重要的意义.相比较于自然图像分类,医学图像分类更注重于局部内容之间的细微差别与局部空间关系信息,而目前流行的视觉词袋模型忽视了空间关系信息,深度学习方法则缺少语义特性.因此,本文提出一种新的空间共生词袋模型来刻画医学图像视觉单词之间的局部空间关系模式,并进一步与卷积神经网络特征融合,用于医学图像分类.实验结果表明,所提方法能够有效地挖掘医学图像的本质特征,取得高于目前流行方法的分类性能.     

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.     

基于双流卷积神经网络的时序动作定位

为提高三维卷积神经网络对时序动作定位的识别效率和准确率,提出一种基于双流卷积神经网络的多阶段时序动作定位模型。该模型首先运用多尺度分割生成视频段,然后依次通过建议网络选择建议区域、分类网络作为定位网络的初始化,最后通过定位网络和非极大值抑制识别动作类别和动作起止时间。其中,建议网络、分类网络、定位网络使用稀疏采样的时序分割网络进行训练。实验证明,该模型可以有效进行时序动作定位,比目前较好的 S-CNN 网络获得了更好效果。     

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BP神经网络的相关识别

相关识别是图像识别的重要方法和手段,广泛应用于各个领域.通过设定阈值来寻找相关峰的方法有其本身固有的缺陷,它只利用了相关峰的峰值大小信息,因而一般用来处理比较理想的情况.对于那些有噪声或背景的目标,很难做到正确识别.在相关峰的识别过程中,如何利用相关峰的形状信息,将起到决策作用.提出在阈值判断的基础上,结合BP神经网络对相关峰形状进行判断,可提高复杂情况下的目标识别率.     

基于Elman神经网络的商品销售额建模及预测

为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性.     

基于多分支网络的图像分类算法

为提高卷积神经网络在图像分类中的泛化性,提出基于多分支深度神经网络结构。使用ResNet（残差网络）的跨层连接结构构造多分支网络,各分支网络共享中浅层特征提取,深层网络使用不同卷积核尺寸。分别使用独立损失函数产生多梯度对中浅层特征权值进行同步调整。与ResNet的单重网络进行对比实验,结果表明,在具有相同收敛性的前提下,各个分支网络的泛化性都得到一定提高,在多类别数据集中表现出更优性能。     

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。     

基于BP神经网络模型的商品房价格预测研究

鉴于目前商品房价格预测方法存在的问题,在分析影响商品房价格主要因素的基础上,提出采用BP神经网络建立商品房价格预测模型,利用果蝇-蛙跳算法优化BP网络初始权值和阈值等结构参数,选取某城市2000～2018年的商品房价格及其主要影响因素数据作为训练样本和测试样本.通过仿真分析表明:BP神经网络模型经过果蝇-蛙跳算法优化后能加快网络的收敛速度,提高商品房价格预测的精准度,对于政府部门进行房价宏观调控以及房产企业的运营管理都具有一定的参考价值.