基于深度學(xué)習(xí)的鱗翅目昆蟲圖像處理研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩58頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、將先進(jìn)的計(jì)算機(jī)視覺技術(shù)有效應(yīng)用于昆蟲自動(dòng)分類一直是昆蟲分類學(xué)的研究熱點(diǎn),此項(xiàng)研究可應(yīng)用到環(huán)境監(jiān)測(cè)、病蟲害診斷、流行病學(xué)等各個(gè)領(lǐng)域。但目前在昆蟲自動(dòng)分類中應(yīng)用的技術(shù)仍滯后于前沿的計(jì)算機(jī)視覺技術(shù)。
  本文以為害最廣的鱗翅目昆蟲為實(shí)驗(yàn)對(duì)象展開研究,包括蝶類和蛾類。主要研究了深度學(xué)習(xí)算法在鱗翅目昆蟲圖像處理中的應(yīng)用,包括基于全卷積神經(jīng)網(wǎng)絡(luò)的鱗翅目昆蟲前背景分割方法,基于端到端深度卷積神經(jīng)網(wǎng)絡(luò)(Deep convolutional neu

2、ral network)及DCNN特征提取器的鱗翅目昆蟲識(shí)別方法。本文主要內(nèi)容如下:
  (1)給出了一種基于全卷積神經(jīng)網(wǎng)(Full convolutional neural network)的鱗翅目昆蟲前背景分割方法。采用多特征層融合的方式來提高鱗翅目昆蟲圖像前背景預(yù)測(cè)的精度。在沒有人工交互及閾值預(yù)設(shè)的情況下,利用網(wǎng)絡(luò)權(quán)值的學(xué)習(xí),充分挖掘鱗翅目昆蟲前景的顏色、紋理等特征信息,實(shí)現(xiàn)了精準(zhǔn)的鱗翅目昆蟲圖像自動(dòng)前背景分割。最后通過最大

3、輪廓提取,消除前背景分割結(jié)果中的孤立區(qū)域及前景中的空洞,然后以優(yōu)化后的前景圖像作為識(shí)別的輸入圖像。
  (2)利用高性能的深度卷積神經(jīng)網(wǎng)絡(luò)DCNN實(shí)現(xiàn)對(duì)鱗翅目昆蟲圖像的識(shí)別。不同于傳統(tǒng)“特征選擇及提取—分類器設(shè)計(jì)及訓(xùn)練”的兩步式操作,本文構(gòu)建了一個(gè)端到端的DCNN識(shí)別模型,直接以224×224的彩色圖像作為輸入,通過隱層映射得到分類結(jié)果。對(duì)本文構(gòu)建的70類鱗翅目昆蟲集進(jìn)行了分類實(shí)驗(yàn),測(cè)試識(shí)別率達(dá)到了99.8%。
  (3)提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論