2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩61頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、植物葉片識(shí)別對(duì)于鑒定新的或者稀缺物種至關(guān)重要,對(duì)于改善藥物工業(yè)、平衡生態(tài)系統(tǒng)以及農(nóng)業(yè)生產(chǎn)力的可持續(xù)性發(fā)展也有重要意義。針對(duì)傳統(tǒng)的植物葉片識(shí)別依賴于特征工程,需要人類的領(lǐng)域?qū)<覅⑴c特征定義、特征提取、特征處理,從而使得在自然環(huán)境下植物葉片識(shí)別難的問(wèn)題,本文提出了一種通過(guò)自動(dòng)的表達(dá)學(xué)習(xí)程序從二維圖像中抽象特征,并用于分類識(shí)別的深度學(xué)習(xí)模型。本文所做的工作如下:
 ?、傺芯總鹘y(tǒng)特征工程的識(shí)別方法的局限,研究深度學(xué)習(xí)的發(fā)展及優(yōu)勢(shì)。

2、 ?、谘芯炕谔卣鞴こ痰闹参锶~片識(shí)別流程,包括特征的提取方法、特征的處理與選擇方案、分類器的設(shè)計(jì)方案,以及傳統(tǒng)特征工程面臨的問(wèn)題。
 ?、垩芯炕谏疃葘W(xué)習(xí)的植物葉片識(shí)別流程,包括有限數(shù)據(jù)集下數(shù)據(jù)擴(kuò)增與魯棒性增強(qiáng)的圖像預(yù)處理方案,特征提取網(wǎng)絡(luò)構(gòu)造的關(guān)鍵步驟,損失函數(shù)的選擇與分類網(wǎng)絡(luò)構(gòu)造的關(guān)鍵步驟。
 ?、苎芯可疃葘W(xué)習(xí)方法中提升識(shí)別率的關(guān)鍵問(wèn)題,實(shí)現(xiàn)更深、更寬、性能更好、參數(shù)更少的深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)造方法,網(wǎng)絡(luò)的訓(xùn)練及優(yōu)化方案,遷移

3、學(xué)習(xí)可用性及實(shí)現(xiàn)方案。
  最終,本文實(shí)現(xiàn)了基于深度學(xué)習(xí)的植物葉片識(shí)別方法,該方法首先通過(guò)光照變換、水平鏡面翻轉(zhuǎn)、隨機(jī)裁剪、去均值與規(guī)范化等圖像預(yù)處理方式增強(qiáng)數(shù)據(jù)魯棒性。然后將預(yù)處理的圖像作為22層的深度卷積神經(jīng)網(wǎng)絡(luò)模型的輸入,經(jīng)過(guò)該模型一系列的卷積、池化操作,原始圖像被抽象并形成特征圖。最后經(jīng)過(guò)全局均值池化將特征圖轉(zhuǎn)為一維特征向量作為全連接層的輸入,并使用SoftMax損失函數(shù)和梯度下降算法指導(dǎo)學(xué)習(xí)最終實(shí)現(xiàn)分類。
  本文

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(méi)有圖紙預(yù)覽就沒(méi)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。

最新文檔

評(píng)論

0/150

提交評(píng)論