-
公开(公告)号：CN108229571B
公开(公告)日：2022-03-11
申请号：CN201810035763.8
申请日：2018-01-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于KPCA算法与深度信念网络的苹果表面病变图像识别方法。首先采集苹果表面图片作为数据集，一部分作为训练集图像，另一部分作为测试集图像，利用KPCA算法对训练集图像预处理，通过构建一个深度信念网络，将预处理之后的训练集图像送入深度信念网络中进行训练，从而得到一个深度信念网络模型，最终用测试集图像对该模型进行测试，通过用一个Softmax分类器得出分类结果。本发明能够科学的分析出苹果在生长过程中的状况，进而对不佳的状况做出相应的补救措施，同时，在销售苹果时，也能将优良的苹果筛选出来，帮助果农获得更高的收益。
-
公开(公告)号：CN110189334B
公开(公告)日：2022-08-09
申请号：CN201910454206.4
申请日：2019-05-28
Applicant: 南京邮电大学
IPC: G06T7/11
Abstract: 本发明提供一种基于注意力机制的残差型全卷积神经网络的医学图像分割方法，对待分割的医学图像进行预处理；构建基于注意力机制的残差型全卷积神经网络，包括特征图收缩网络、注意力网络、特征图扩张网络组；将训练集数据输入残差型全卷积神经网络进行训练得到学习后的卷积神经网络模型；将测试集数据输入所得学习后的卷积神经网络模型，进行图像分割，得到分割后的图像；该方法利用注意力网络将特征图收缩网络中提取的图像特征有效的传递给特征图扩张网络，解决了在图像反卷积过程中，缺乏图像的空间特征的问题，同时注意力网络还能够抑制低层特征图中与分割目标不相关的图像区域，减小了图像的冗余，同时也增加了图像分割的准确率。
-
公开(公告)号：CN110189334A
公开(公告)日：2019-08-30
申请号：CN201910454206.4
申请日：2019-05-28
Applicant: 南京邮电大学
IPC: G06T7/11
Abstract: 本发明提供一种基于注意力机制的残差型全卷积神经网络的医学图像分割方法，对待分割的医学图像进行预处理；构建基于注意力机制的残差型全卷积神经网络，包括特征图收缩网络、注意力网络、特征图扩张网络组；将训练集数据输入残差型全卷积神经网络进行训练得到学习后的卷积神经网络模型；将测试集数据输入所得学习后的卷积神经网络模型，进行图像分割，得到分割后的图像；该方法利用注意力网络将特征图收缩网络中提取的图像特征有效的传递给特征图扩张网络，解决了在图像反卷积过程中，缺乏图像的空间特征的问题，同时注意力网络还能够抑制低层特征图中与分割目标不相关的图像区域，减小了图像的冗余，同时也增加了图像分割的准确率。
-
公开(公告)号：CN108229571A
公开(公告)日：2018-06-29
申请号：CN201810035763.8
申请日：2018-01-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于KPCA算法与深度信念网络的苹果表面病变图像识别方法。首先采集苹果表面图片作为数据集，一部分作为训练集图像，另一部分作为测试集图像，利用KPCA算法对训练集图像预处理，通过构建一个深度信念网络，将预处理之后的训练集图像送入深度信念网络中进行训练，从而得到一个深度信念网络模型，最终用测试集图像对该模型进行测试，通过用一个Softmax分类器得出分类结果。本发明能够科学的分析出苹果在生长过程中的状况，进而对不佳的状况做出相应的补救措施，同时，在销售苹果时，也能将优良的苹果筛选出来，帮助果农获得更高的收益。
-
-
-
Search Results
4
records
(took 0.017 seconds)
