基于实现多光谱图像的多标签场景分类为目的,采用卷积神经网络的方法,通过计算数据集中所有样本标签的共现矩阵,利用共现矩阵为每个标签分配不同的权重,提出了一种新的计算损失函数的方法。所设计的卷积神经网络能
利用卷积神经网络对毛发物证显微图像进行自动分类,为进一步提高显微检验技术的自动化程度和毛发物证检验提供技术参考。采用徕卡DVM6数码显微镜在1400倍放大条件下采集6类毛发共60000张样本图像,构建
受空洞卷积在图像信息方面保持优秀性能的启发,为进一步提高分类精度,提出一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类框架。空洞卷积可扩展滤波器的感受野,有效地避免图像信息丢失,从而提
结合高光谱数据和深度学习的特点,提出一种同时考虑像素光谱信息和空间信息的深度卷积神经网络框架。该框架主要步骤如下:首先利用主成分分析法对高光谱遥感图像进行光谱特征提取,消除特征之间的相关性,并降低特征
在本研究中,我们采用了Python和TensorFlow框架来实现基于卷积神经网络的二元分类图像识别。我们的模型在训练集和验证集上都达到了超过90%的准确率,展现了出色的性能和可靠性。通过这个模型,用
传统的高光谱图像分类大多只考虑地物的光谱信息,而忽略了空间信息,现有的空谱联合分类方法难以有效提取空间邻域信息。针对上述问题,提出了一种卷积神经网络和稀疏字典联合学习的算法。现有稀疏编码方法大多仅考虑
文本情感分类 文本分类是自然语言处理的一个常见任务,它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题:使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析,并有着广泛的应用。 同
卷积神经网络在医学图像处理中的应用,武星,,医学图像分割是医学图像处理的一个重要领域,即在医学图像中分割出感兴趣的区域。在传统的医学图像处理技术以及机器学习算法辅助
基于卷积神经网络的真实图像质量评价方法,唐敏,刘勇,现有盲图像质量评价方法主要采用手动提取图像特征和传统的机器学习组合的方法,如支持向量机(SVM)。传统无参考图像质量评价方法通�
针对图像序列三维重建中多视角目标分割需要人工参与、任务繁重的问题,提出一种基于卷积神经网络改进的图像自动分割方法。首先将序列图像去噪处理、归一化并进行语义标注后制作数据集;然后对改进的融合多尺度特征和