基于深度学习的单株水稻检测定位方法、系统、设备及介质.pdf
梅雪****67
亲,该文档总共21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
基于深度学习的单株水稻检测定位方法、系统、设备及介质.pdf
本发明公开了一种基于深度学习的单株水稻检测定位方法、系统、设备及介质,所述方法包括:获取大田水稻样本图像数据;对大田水稻样本图像数据进行预处理和标注,得到预处理图像数据;建立深度卷积神经网络检测模型;使用预处理图像数据对深度卷积神经网络检测模型进行优化训练;利用训练后的深度卷积神经网络检测模型对大田水稻待测图像的单株水稻进行检测定位。本发明采用计算机视觉中基于深度学习的检测方法,可以大大改善上述现有技术的缺陷,通过设计深度卷积神经网络模型,提取植株高维度空间语义特征,在复杂的环境下依然有很好的定位精度和鲁
基于深度学习的龙虾在线定位视觉检测方法和系统.pdf
本发明提供了一种基于深度学习的龙虾在线定位视觉检测方法和系统,包括如下步骤:S<base:Sub>1</base:Sub>:通过视觉识别装置拍摄获得龙虾影像,向图像处理平台传送得到训练数据集;S<base:Sub>2</base:Sub>:对训练数据集中的图像识别虾姿态,确定分类类别;S<base:Sub>3</base:Sub>:对龙虾姿态进行分类,找到虾头虾尾分解的腰线,并确定腰线的参考点;S<base:Sub>4</base:Sub>:将每一个分类下的龙虾姿态的原始图像形成分训练数据集,获取在该分类
基于多模态的深度学习预测方法、系统、介质及设备.pdf
本发明提供一种基于多模态的深度学习预测方法、系统、介质及设备,所述基于多模态的深度学习预测方法包括:获取图像数据集,所述图像数据集包括至少两个模态的图像数据;将所述图像数据进行特征提取,以生成与每个模态对应的特征提取结果;结合预设的约束项对所述特征提取结果进行融合并分类预测。本发明设计了多模态的网络结构,对于每一个模态的图像,分别使用卷积神经网络进行特征提取,然后结合约束项在全连接层将这些特征进行融合,综合不同模态的特征信息,得到最终的分类结果。这样既保留了单个模态的信息特点又可以综合利用多模态的信息,提
基于深度学习的图像修改区域定位方法、系统及存储介质.pdf
本发明公开了一种基于深度学习的图像修改区域定位方法、系统及存储介质,通过提取目标RGB图像的图像残差,基于图像残差,使用第一神经网络提取目标RGB图像中的修改过的区域与未修改过的区域之间高频分量的不一致性特征,根据提取的不一致性特征生成第一特征图;提取目标RGB图像的局部二值模式特征,将局部二值模式特征与目标RGB图像进行合并,得到合并图像,使用第二神经网络提取合并图像中的修改过的区域与未修改过的区域之间的块相似性特征,根据提取的块相似性特征生成第二特征图;融合第一特征图和第二特征图得到目标特征图,基于目
基于深度学习的网络安全评估方法、系统、设备及介质.pdf
本发明提出基于深度学习的网络安全评估方法、系统、设备及介质,首先通过建立卷积神经网络模型,初步提取网络数据特征,然后通过建立门控循环神经网络模型,进一步提取网络数据特征中的异常网络数据特征,最后,在门控循环神经网络模型的输出层之间设置隐藏层,当门控循环神经网络进行训练时训练过程会绕过隐藏层,异常网络数据无法获取隐藏层的工作原理,无法对隐藏层进行攻击,通过反向传播过程更新隐藏层的权重,将参数上传至参数服务器时,通过返回的学习率参数改变门控循环神经网络模型的学习率实现对异常网络数据攻击的抵抗,同时收敛速度快、