基于深度卷积神经网络的图像轮廓检测方法.pdf
秋花****姐姐
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
基于深度卷积神经网络的图像轮廓检测方法.pdf
本发明涉及一种基于深度卷积神经网络的图像轮廓检测方法。本轮廓检测方法的步骤为:1)数据提取和处理;2)训练深度卷积神经网络特征提取器;3)训练结构森林轮廓检测器;4)提取测试图像特征;5)检测测试图像轮廓。本发明的轮廓检测方法基于深度学习和模式识别技术,可实现快速精准的轮廓检测。
一种基于深度卷积神经网络的特定目标轮廓图像分割方法.pdf
本发明属于图像识别技术领域,尤其涉及一种基于深度卷积神经网络的特定目标轮廓图像分割方法,包括:将用于训练的图像归一化到相同像素大小,对应的特定目标轮廓标注图像也归一化,送入卷积神经网络,经过数层卷积层与全连接层,在全连接层的最后一层得到图像表达,并与对应的标注图像比较得到预测误差;采用反向传播算法和随机梯度下降法来减小预测误差以训练该神经网络,得到特定目标轮廓图像分割的训练模型;将测试特定目标图像归一化到与训练图像相同的像素大小后送入训练模型,在全连接层的最后一层得到预测的图像表达从而得到整张特定目标轮廓
基于深度卷积神经网络的图像分类.doc
(完整word版)基于深度卷积神经网络的图像分类(完整word版)基于深度卷积神经网络的图像分类PAGE\*MERGEFORMAT-25-(完整word版)基于深度卷积神经网络的图像分类MACROBUTTONMTEditEquationSection2EquationChapter1Section1SEQMTEqn\r\h\*MERGEFORMATSEQMTSec\r1\h\*MERGEFORMATSEQMTChap\r1\h\*MERGEFORMATSHANGHAIJIAOT
基于深度卷积神经网络的SAR图像目标分类方法.pdf
本发明提出了一种基于深度卷积神经网络的SAR图像目标分类方法,用于提高SAR图像目标分类精度。实现步骤为:获取包含SAR目标图像的训练样本集和测试样本集;去除训练样本集和测试样本集中每幅SAR图像的背景杂波;构建包含变换sigmoid激活函数构成Enhanced‑SE层的深度卷积神经网络模型;对深度卷积神经网络模型进行训练;用训练后的深度卷积神经网络模型对测试样本集进行分类。本发明通过形态学闭运算方法在去除SAR目标图像中背景杂波时融合目标区域的边缘缺口并填补目标区域的内部缺损,有效保留目标区域的形状特征
基于复数轮廓波卷积神经网络的极化SAR图像分类方法.pdf
本发明公开了一种基于复数轮廓波卷积神经网络的极化SAR图像分类方法,主要解决现有技术分类精度较低的问题。其实现步骤是:1.输入待分类极化SAR图像的极化相干矩阵T并归一化;2.根据归一化后的矩阵,分别构造训练数据集和测试数据集的特征矩阵;3.构造复数卷积神经网络,进而得到复数轮廓波卷积神经网络;4.用训练数据集训练复数轮廓波卷积神经网络,得到训练好的模型;5.将测试数据集的特征矩阵输入到训练好的模型中进行分类,得到分类结果。本发明将卷积神经网络延拓至复数域进行运算并提取多尺度、多方向、多分辨特性的图像特征