【摘 要】
：
针对传统的玉米叶片病害图像识别方法正确率不高、速度慢等问题,提出一种基于改进深度残差网络模型的玉米叶片图像识别算法.提出的改进策略有:将传统的ResNet-50模型第一层卷积层中7×7卷积核替换为3个3×3的卷积核;使用LeakyReLU激活函数替代ReLU激活函数;改变残差块中批标准化层、激活函数与卷积层的排列顺序.进行数据预处理,将训练集与测试集的比例划分为4:1,采用数据增强的方式对训练集进行扩充,将改进的ResNet-50模型经过迁移学习得到在ImageNet上预训练好的权重参数.实验结果表明,改
【机 构】
：
东北林业大学 信息与计算机工程学院,哈尔滨 150040
论文部分内容阅读
针对传统的玉米叶片病害图像识别方法正确率不高、速度慢等问题,提出一种基于改进深度残差网络模型的玉米叶片图像识别算法.提出的改进策略有:将传统的ResNet-50模型第一层卷积层中7×7卷积核替换为3个3×3的卷积核;使用LeakyReLU激活函数替代ReLU激活函数;改变残差块中批标准化层、激活函数与卷积层的排列顺序.进行数据预处理,将训练集与测试集的比例划分为4:1,采用数据增强的方式对训练集进行扩充,将改进的ResNet-50模型经过迁移学习得到在ImageNet上预训练好的权重参数.实验结果表明,改进的网络在玉米叶片病害图像分类中得到了98.3％的正确率,与其他网络模型相比准确率大幅提升,鲁棒性进一步增强,可为玉米叶片病害的识别提供参考.
其他文献
结构熵作为复杂网络无序程度度量的重要手段,反映了网络内结构的异质性.传统结构熵在刻画复杂网络异构性时只关注网络结构中的“点”和“边”,表征注意力流网络结构的异构性特征时存在不足.对此,基于在线点击行为数据构建注意力流网络,在传统网络结构熵的基础上,综合考虑站点的边权重、站点的总停留时长等网络特征属性,定义了结构熵模型.进而,从站点的流强度、吸引注意力的能力等指标计算站点综合力,提出了注意力流网络异构性度量算法ANSE.实验结果表明,提出的结构熵可以有效地反映注意力流网络的结构特征,准确地度量注意力流网络中
由一阶因果、反因果微分的定义推导出Caputo分数阶因果、反因果微积分,并在此基础上定义Caputo分数阶非因果微积分.将它们分别应用于BP神经网络的反向传播过程中对权值进行处理,产生了Caputo分数阶因果、反因果和非因果BP神经网络模型.为了方便对比,将这些模型分别对波士顿房屋数据集和MNIST数据集进行处理.模拟结果表明:在整数阶因果、反因果和非因果的模型之间,整数阶非因果模型的结果最好;分数阶因果、反因果和非因果模型分别与其相应的整数阶模型进行比较,得出分数阶模型得到的准确率比整数阶的高;在分数阶
针对SMOTE方法对所有少数类样本进行过采样的缺陷,提出一种基于特征加权与聚类融合的过采样方法(WKMeans-SMOTE),由此进行不平衡数据分类.考虑到不同特征权重对聚类结果的影响程度不同,选择特征加权的聚类算法对原始数据集进行聚类,并多次改变初始簇中心生成不同的聚类结果;根据簇标签匹配方法将不同的聚类结果进行匹配,引进“聚类一致性系数”筛选出处于少数类边界的样本;对筛选出的少数类样本进行SMOTE过采样,并采用C A RT决策树方法作为基分类器,对新的少数类样本与所有的多数类样本进行训练.实验结果表
如今,制造业数字化转型中采用消息队列遥测传输(MQTT)协议已成为趋势,而工业场景中往往存在大量的传感器等设备.考虑到实际部署的复杂性,在工业场景中实际部署MQTT前,进行必要的模拟以获取网络性能等数据是不可或缺的,这将更有利于工业场景中的链路设计和网络规划.而NS-3作为当前最流行的网络仿真器之一,提供了丰富的网络模型,非常适合像工业场景这种大型复杂网络的仿真,但目前利用其模拟部署MQTT仍是一项困难的工作.针对该问题,提出了一个适用于NS-3的扩展仿真框架ns3-mqtt,该框架由多个MQTT组件构成
推荐技术已经成为信息过载时代提供个性化服务的关键技术.由于推荐结果的多样性可以提升推荐效果,多样性推荐方法开始备受关注.针对现有基于朋友好奇心的多样性推荐方法中,诸如朋友、信任关系等难以获取及比较稀疏的问题,提出了基于相似用户好奇心的多样性推荐方法(SUC).分析用户的真实评分,计算相似用户集;采用协同过滤方法,计算用户的预测评分;分析用户的真实评分和预测评分,计算用户的好奇心评分;融合预测评分和好奇心评分,计算用户的项目推荐列表.SUC方法不需要额外的用户关系信息,更具普适性.在五个真实数据集上的实验表
针对海洋传感网(Ocean Sensor Networks,OSNs)中采用非协同算法单一循环地对多个水面目标节点依次定位导致的定位效率低、定位精度差等问题,提出一种基于有效集的再优化协同定位(Active Set Method based Re-Estimation Cooperative Localization,ASM-RECL)算法.研究将原定位的非凸非线性问题转化为基于交替非负约束最小二乘(Alternative Nonnegative Constrained Least Squares,ANC
Android恶意软件的几何式增长驱动了Android恶意软件自动检测领域的发展.一些工作从可解释性的角度来分析Android恶意软件,通过分析模型获取最大影响的特征,为深度学习模型提供了一定的可解释性.这些方法基于特征相互独立的强假设,仅仅考虑特征各自对模型的影响,而在实际中特征之间总是存在着耦合,仅考虑单个特征对模型的影响,难以反映耦合作用,不能刻画不同类型软件中敏感API的组合模式.为解决该问题,将An-droid软件刻画成图,并结合图的结构信息和图节点内部的信息提出了一种基于图嵌入的方法来检测An
作为广受用户青睐的即时通信系统,微信在给人们生活带来极大便利的同时,也给不法分子提供了违法犯罪的新手段、新工具.微信聊天记录作为我国法律中明确列出的电子证据类型,其有效性引起广泛关注,使得微信聊天记录的恢复成为相关领域的研究热点.针对现有的聊天记录恢复研究多集中于删除消息的恢复,撤回消息的恢复尚未取得有效进展,通过研究PC版微信运行过程中的动态内存管理机制,分析撤回消息在动态内存中的特征字符及字段结构,对比文本、表情、图片等不同类型的消息在内存中的存储原理,提出一种基于动态内存分析的微信撤回消息恢复方法.
情感识别依靠分析生理信号、行为特征等分析情感类别,是人工智能重要研究领域之一.为提高情感识别的准确性和实时性,提出基于语音与视频图像的多模态情感识别方法.视频图像模态基于局部二值直方图法(LBPH)+稀疏自动编码器(SAE)+改进卷积神经网络(CNN)实现;语音模态基于改进深度受限波尔兹曼机(DBM)和改进长短时间记忆网络(LSTM)实现;使用SAE获得更多图像的细节特征,用DBM获得声音特征的深层表达;使用反向传播算法(BP)优化DBM和LSTM的非线性映射能力,使用全局均值池化(GAP)提升CNN和L
针对传统的卷积神经网络(Convolutional Neural Network,CNN)和长短时记忆网络(Long Short-TermMemory,LSTM)在提取特征时无法体现每个词语在文本中重要程度的问题,提出一种基于CNN和LSTM的多通道注意力机制文本分类模型.使用CNN和LSTM提取文本局部信息和上下文特征;用多通道注意力机制(Attention)提取CNN和LSTM输出信息的注意力分值;将多通道注意力机制的输出信息进行融合,实现了有效提取文本特征的基础上将注意力集中在重要的词语上.在三个公