内容提供者
一种基于卷积神经网络的服装识别方法.pdf
2023-05-07
10金币
509KB
13页
一吃****天材
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
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,
2023-05-07
10
509KB
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
2023-07-01
10
741KB
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。
2023-12-05
10
995KB
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
2023-12-04
10
652KB
基于卷积神经网络的人脸识别方法.pdf
2024-06-12
10
1.4MB