共查询到19条相似文献，搜索用时 750 毫秒
1.
针对机器视觉中的图像识别问题,提出一种新的基于结构平衡网络的图像识别方法。从一种新的结构平衡网络（特殊的复杂网络）视角重新审视平面灰度图像,将图像灰度矩阵视为结构平衡网络的连接关系（权值）矩阵（像素点可不作为节点）,通过Hadamard乘积变换得到像结构平衡矩阵,再利用像结构平衡矩阵的拓扑结构,产生新的图像识别特征参量对图像进行描述。该方法具有高速率、高识别率、尺度不变性及旋转不变性等特点。最后的实验仿真验证了该方法的有效性。 相似文献
2.
因子分解机对特征各维度之间的一阶线性关系和二阶线性关系建模,在推荐系统中已有较多应用。神经因子分解机模型（NFM） 是因子分解机与神经网络的结合模型,它能捕获特征之间的高阶交互信息,使得模型预测效果更佳。但由于神经因子分解机模型一般都是采用全连接的前馈神经网络,使得整个推荐网络过于复杂,存在过拟合风险。为了降低神经因子分解机模型的整体复杂度,提高推荐模型的泛化性能,提出一种基于交叉网络的因子分解机模型（CFM）,降低模型复杂度,提高模型泛化性能。实验表明,该模型在数据集上的预测准确度为77%左右,相比NFM预测准确度提高了约2%,整体模型泛化性能也有所提高。 相似文献
3.
《赤峰学院学报(自然科学版)》2017,(21)
随着互联网高速发展,一些敏感图像信息也在网络上广泛传播,如何对这些敏感图像进行有效自动识别,净化网络环境已成为计算机领域的重点研究课题.通过对常用图像分割算法k-means算法、k-means++算法探讨,提出敏感图像敏感部位的特殊构造形态,构建彩色变柱宽多分辨率直方图矩特征,有效的表示了敏感部位的颜色和纹理信息.采用敏感部位特征视觉词汇和聚类算法计算的视觉词汇形成混合视觉词汇表,并使用词袋模型建模,在图像识别阶段使用基于RBF核的SVM分类器.实验结果显示该方法有效地提高了敏感图像的识别效果. 相似文献
4.
《实验室研究与探索》2020,(7)
随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率。在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型。该神经网络能够通过添加注意力机制获取图像重要信息,以解决数据敏感问题,提高网络整体性能。在复杂树种叶片公开数据集Leafsnap和公共数据集SVHN上分别取得了91.25%和98.27%的分类精确率。实验结果表明,基于注意力机制的DenseNet模型分类效果明显优于其他网络模型。 相似文献
5.
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。 相似文献
6.
由于食物种类外观的多样性,针对食物图像的自动识别颇具挑战性。提出一种基于DCNN和迁移学习的食物图像识别方法。该方法采用在ImageNet图像数据集上预训练好的DCNN模型进行网络参数初始化,然后利用微调的训练方式在自建的小规模食物图像数据库集上进行迁移学习,以便获取食物图像高层次的属性特征。最后,将DCNN学习到的高层次属性特征输入到线性支持向量机进行食物图像的分类。实验测试结果表明,该方法取得的食物图像识别性能达到了94. 20%,优于梯度方向直方图和Gabor小波变换等手工类特征。可见,采用DCNN和迁移学习方法用于食物图像的自动识别是一种可行的方法。 相似文献
7.
基于迁移学习的家猪图像识别研究 总被引：1，自引：0，他引：1
为实现家猪图像识别并提高识别准确率,提出一种基于迁移学习的家猪图像识别方法。首先对现有数据集进行数据增强,然后迁移 VGG16 模型并对其进行微调,从而更好地提取图像特征并缩短网络训练时间。采用自归一化神经网络解决了梯度消失和梯度爆炸问题,在网络构造时使用全局平均池化代替全连接层,以达到降低模型过拟合的效果。实验对比结果表明,该方法分类效果较好,准确率达到了 84%,召回率和 F1 值分别提升至 0.8、0.82,各项指标相比基础模型均有所提升。 相似文献
8.
模糊c均值(FCM)聚类算法广泛用于图像的自动分割,但是该算法没有考虑像素的灰度和空间特征,对噪声十分敏感。提出了一种基于直方图的加权模糊c均值(WFCM)聚类的图像分割方法,在传统的FCM聚类的基础上,该方法考虑了灰度直方图的灰度、邻域像素灰度的相关性对图像进行加权聚类分割。实验结果表明,该方法可显著提高图像分割的速度和精度。 相似文献
9.
针对图像发生反向灰度变化时，传统局部二值模式及其派生的纹理描述符分类性能会明显下降问题，提出了一种灰度反转和旋转不变的直方图方法。该方法通过高斯导数滤波获得更加细微的图像微分结构，再构建具有旋转不变性的多种互补特征，最后利用主导思想对多种互补特征进行联合编码，获得具有灰度反转和旋转不变性的特征直方图。使用Outex、CUReT和KTH-TIPS等3个纹理图片数据库验证所提出方法的分类性能。实验结果表明：在旋转和灰度反转情况下，提出的方法能够显著提高分类性能，有效改善灰度反转问题，并对图像的旋转变化具有一定的鲁棒性；从算法复杂度来看，该方法取最佳尺度及特征时，运行时间适中，整体分类精度高。 相似文献
10.
为解决传统接触式螺纹测量方法费时且程序冗长的缺陷,提出一种基于机器视觉技术的螺纹缺陷检测算法。对捕获的螺纹图像进行中值滤波、迭代法二值化与Canny边缘提取处理|通过分析螺栓图像中螺纹缺陷断口位置灰度值的变化,提出一种基于DOG模型的螺纹自动检测方法。为验证该算法性能,用基于形状的模板匹配算法作为对照进行实验。结果表明,局部投影统计算法能有效提取螺纹缺陷图像的缺陷信息,螺纹缺陷图像识别率在95%以上。该方法可快速有效地降低噪声,准确迅速地定位缺陷点,提高生产线螺栓可替换性。 相似文献
11.
12.
13.
针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。 相似文献
14.
边缘的提取在人脸识别技术中具有重要的意义。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘;而神经网络算法由于没有样本的压缩功能,导致训练量过大。文章在传统算法的基础上结合神经网络算法对人脸图像的边缘进行检测。实验结果表明,该方法快速稳定,得到的边缘图像边界封闭性好,抗噪能力强。 相似文献
15.
田间除草技术在农业生产中具有重要意义。针对复杂背景下农作物与杂草识别率低、算法鲁棒性差等问题,提出一种图像分割网络 Res-Unet。该网络为 unet 网络的改进版本,采用 resnet50 网络代替 unet 主干网络,解决复杂背景下农作物与杂草区域提取困难、小植株检测效果差、分割边缘震荡、变形问题。将图像的平均交并比、准确率、训练时长作为评价指标进行实验。结果表明：使用 Res-Unet 模型的平均交并比为 82.25%,平均像素准确率为 98.67%。改进的 Res-Unet 模型相对于 Unet 平均交并比高出 4.74%,相较于 segnet 平均交并比高出 10.68%,训练时间减少 3 小时。该方法对复杂背景下甜菜杂草检测效果良好,可为机器人精确除草提供参考。 相似文献
16.
为了满足近年来在服装电子商务高速发展背景下急剧增长的服装图像分类与定位需求,实现对服装图像的目标检测,提出基于Faster R-CNN的服装目标检测改进方法。借助残差神经网络的特征提取能力进行服装图像特征提取,采用RPN网络进行服装候选区域生成,经过RoI兴趣区域池化后接入分类层与回归层,调整网络结构,融合服装图像的HOG底层特征,从而针对性地实现对服装图像的目标检测。实验结果表明,该方法构建模型的平均准确率为0.902,运行速度为8.9帧/秒,具有一定的实用价值。 相似文献
17.
为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。 相似文献
18.
为解决手工提取图像特征过程繁复和参数复杂问题,提出一种基于深度学习的协同KPCANet模型。该算法能够对现场采集到的人脸数据和特征进行提取和分类,通过提取分块直方图特征进行编码协同表示,将测试样本归于残差最小的类中对人脸数据进行识别和运算。实验结果表明,协同KPCANet模型在滤波器数量L1=10时一层卷积层与L2=15时二层卷积层的正确率分别达到99.17%和99.44%。协同KPCANet模型不仅能使运算过程简洁,还能提高识别结果准确度,提升识别效率。 相似文献
19.
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。 相似文献