一种基于卷积神经网络的息肉检测方法.pdf
书生****文章
亲,该文档总共11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息肉检测方法.pdf
本发明涉及一种息肉检测技术领域,本发明公开了一种基于卷积神经网络的息肉检测方法,包括采集患者肠道检测原始图像,构建息肉检测模型,构建息肉检测数据集,生成合成图像,验证分类损失,提取过渡区域图像特征,计算模型的预测概率分布与图像真实分布之间的交叉熵损失,以合成图像与目标图像的对比损失和过渡区域的特征分类损失以及交叉熵损失的加权和作为息肉训练模型的总损失函数,根据模型总损失函数选择预测结果,以多视角多距离方式采集息肉图像,在息肉分类过程中引入息肉与肠道背景的过渡区域来进一步对息肉图像检测识别,通过多层次多区域
一种基于卷积神经网络的行人检测方法.pdf
本发明公开了一种基于卷积神经网络的行人检测方法,涉及计算机视觉中的深度学习领域,该方法利用卷积神经网络检测出行人,可以根据检测目标的尺寸不同动态的选择训练分支,得到更加准确的行人特征描述,无需手动设计行人特征,并且其检测准确率较高,检测速度较快,省时省力,可以应用在自动驾驶,辅助驾驶系统,安保系统以及机器人等多个领域,并且因为其基于深度学习方法,可以根据不同的应用场景获取不同的行人数据集进行训练,使其能够适用多种不同的领域,并且保持较高的检测准确率。
基于卷积神经网络的目标检测方法.pdf
本发明公开了一种基于卷积神经网络的目标检测方法,主要解决现有目标检测方法网络复杂、速度不快和对小目标检测效果差的问题。本发明的具体步骤如下:(1)构建积神经网络;(2)生成目标检测训练集;(3)训练卷积神经网络;(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、特征增强模块、识别和定位模块组成的卷积神经网络,克服了现有目标检测方法中大目标检测效果好、小目标检测效果差并且速度慢的问题,使得本发明不仅能够实时识别大目标,也能实时识别小目标。
一种基于卷积神经网络的Web攻击检测方法.pdf
一种基于卷积神经网络的实时车牌检测方法.pdf
本发明公开了一种基于卷积神经网络的实时车牌检测方法,包括如下步骤:获取包含车牌的车辆图像,作为训练集,设计keypoint‑Anchor,提取训练集的特征;使用基于深度卷积神经网络的检测模型,作为车牌检测的基线网络架构,并按keypoint‑Anchor方式修改检测模型;使用训练集、目标框坐标及角点坐标对修改后的检测模型进行训练,获得训练好的检测模型;使用训练好的检测模型对待检测的图像进行检测,获得不同角度拍摄图像中车牌的检测结果。本发明实现方法简单,可移植性强,能够实现对摄像头拍摄的公路上、停车场、小区