一种基于卷积神经网络的服装识别方法.pdf
一吃****天材
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于卷积神经网络的服装识别方法.pdf
本发明公开了一种基于卷积神经网络的服装识别方法,主要解决现有服装识别算法对服装属性识别结果单一、准确率低的问题。其方案是:(1)对公开的服装识别数据集进行筛选并补充,采用层级标签标注方法制作融合数据集;(2)将ResNet18网络模型与EfficentNet网络模型相结合,简化网络结构;(3)将不同网络模型输出的特征向量进行相加,得到融合特征向量,结合Sigmoid损失函数进行分类;(4)对改造后ResNet18+EfficentNet融合网络进行训练和测试。本发明提高了对具有多种属性标签的服装识别精度,
一种基于卷积神经网络的棉蚜识别方法.pdf
本发明公开了一种基于卷积神经网络的棉蚜识别方法,该方法包括:获取棉蚜危害图像;采用迁移学习和微调的方式,建立基于卷积神经网络的棉蚜识别模型;将棉蚜危害图像输入至基于卷积神经网络的棉蚜识别模型,确定棉蚜危害等级。本发明使用手机采集棉花蚜虫危害图像,通过前期大量的调查数据,结合数据挖掘、深度学习的深度卷积神经网络方法,建立植物病虫害的识别方法和模型,对棉花蚜虫危害等级进行识别与区分,减少目前植保调查中人为因素产生的差异,而且提高调查效率,降低了试验成本,即利用该方法可方便快捷采集图像,并快速进行分类,为病虫害
一种基于深度卷积神经网络的菜谱识别方法.pdf
本发明公开了一种基于深度卷积神经网络的菜谱识别方法,包括以下步骤:步骤1:采集N类菜谱的图像并按类进行筛选;步骤2:对筛选后的图像进行预处理;步骤3:用经过预处理后的菜谱图像训练模型;步骤4:采集待检测菜谱图像并进行预处理;步骤5:根据步骤3得到的训练好的模型用步骤4得到的预处理后的图像作为输入进行菜谱检测;步骤6:根据步骤5的检测结果就可以得到待识别菜谱图像的3‑5种相似度最高的选择菜谱。
基于卷积神经网络的光学乐谱识别方法.pdf
本发明公开了一种基于卷积神经网络的光学乐谱识别方法,包括:对乐谱图像进行谱线检测;根据谱线的位置进行谱线删除;音符分割,得到一系列音符图像;将音符图像输入到已经训练好的神经网络中完成识别。本发明采用基于图论的谱线检测算法进行谱线检测,不受乐谱图像的质量、谱线扭曲形变等影响,可以准确检测出谱线的位置;采用基于线轨迹高度+局部游程直方图算法进行谱线删除,可以有效避免过删除现象;采用基于层次分级+模板匹配的分割算法,可以有效进行音符分割且保证音符的完整性;利用卷积神经网络对分割之后音符进行识别,结果具有较好的识
基于卷积神经网络的人脸识别方法.pdf