- 年份
- 2024(9799)
- 2023(14280)
- 2022(12578)
- 2021(11745)
- 2020(9947)
- 2019(22953)
- 2018(22658)
- 2017(43515)
- 2016(23669)
- 2015(26624)
- 2014(26217)
- 2013(25671)
- 2012(23437)
- 2011(20972)
- 2010(20499)
- 2009(18414)
- 2008(17528)
- 2007(14978)
- 2006(12806)
- 2005(10740)
- 学科
- 济(89325)
- 经济(89223)
- 管理(67103)
- 业(62793)
- 企(53263)
- 企业(53263)
- 方法(45416)
- 数学(39449)
- 数学方法(38875)
- 学(23190)
- 农(23130)
- 财(22239)
- 中国(21675)
- 业经(20236)
- 地方(16888)
- 贸(16057)
- 贸易(16052)
- 理论(15952)
- 技术(15623)
- 农业(15603)
- 易(15592)
- 和(15180)
- 务(14547)
- 财务(14475)
- 财务管理(14444)
- 制(14363)
- 环境(13933)
- 企业财务(13682)
- 划(12737)
- 银(11647)
- 机构
- 大学(331416)
- 学院(328249)
- 管理(131319)
- 济(122862)
- 经济(120127)
- 理学(115161)
- 理学院(113886)
- 管理学(111481)
- 管理学院(110938)
- 研究(109311)
- 中国(77457)
- 科学(73521)
- 京(70605)
- 农(60414)
- 业大(56295)
- 所(55292)
- 财(53815)
- 研究所(51356)
- 中心(49748)
- 农业(47884)
- 江(46371)
- 财经(44353)
- 北京(43682)
- 范(42920)
- 师范(42362)
- 经(40602)
- 院(40532)
- 州(37794)
- 技术(36795)
- 经济学(36198)
- 基金
- 项目(240821)
- 科学(187920)
- 基金(174871)
- 研究(168323)
- 家(155613)
- 国家(154409)
- 科学基金(131831)
- 社会(103811)
- 社会科(98275)
- 社会科学(98247)
- 省(94530)
- 基金项目(93405)
- 自然(90202)
- 自然科(88104)
- 自然科学(88072)
- 自然科学基金(86480)
- 划(80398)
- 教育(77613)
- 资助(72319)
- 编号(67538)
- 重点(54251)
- 成果(53064)
- 部(51925)
- 发(50408)
- 创(50305)
- 科研(47231)
- 创新(46989)
- 计划(46453)
- 课题(46074)
- 大学(44311)
- 期刊
- 济(125059)
- 经济(125059)
- 研究(88136)
- 学报(62380)
- 中国(57632)
- 科学(54271)
- 农(53507)
- 管理(46894)
- 大学(46275)
- 学学(43794)
- 财(40020)
- 农业(37368)
- 教育(35037)
- 技术(28787)
- 融(21553)
- 金融(21553)
- 业经(21037)
- 财经(20707)
- 经济研究(20019)
- 图书(19535)
- 业(19471)
- 科技(17772)
- 经(17623)
- 业大(17191)
- 版(16972)
- 问题(16138)
- 理论(15645)
- 技术经济(15391)
- 林业(15193)
- 实践(14550)
共检索到455563条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 南京农业大学学报
[作者]
周罕觅 陈佳庚 代智光 马林爽 秦龙 李纪琛 苏裕民 向友珍
[目的]快速、准确识别植物病害并及时防护是保障作物产量的重要措施。针对现有植物病害识别方法模型参数大、田间复杂背景下识别准确率低的问题，本研究提出一种基于改进ShuffleNetV2的轻量化植物叶病识别模型LWCR-Net（Lightweight Crop Recognition Network）。[方法]首先，在基本特征提取模块中引入残差连接，解决梯度消失问题，使模型能够学习到更复杂的特征表示；然后，引入了CBAM（Convolutional Block Attention Module）注意力机制模块，以增强特征提取和模型利用能力；最后，采用DenseNet121作为教师模型，LWCR-Net作为学生模型，并利用知识蒸馏策略对模型进行训练，以进一步提升模型性能。[结果]试验结果表明，轻量化植物叶病识别模型LWCR-Net的模型大小为2.44 MB；F1值和准确率分别为95.49%和96.16%，较原模型提高了4.89%和3.96%。与DenseNet121、ResNet34、MobileNetV3等其他经典网络对比，LWCR-Net模型不仅达到了较高的识别准确率，且模型参数量较少。[结论]该研究提出的LWCR-Net模型能够实现在田间复杂背景下对植物叶病的准确识别，且模型所需内存较小，方便部署到移动端，为植物叶病智能诊断提供参考。
[期刊] 北京林业大学学报
[作者]
于慧伶 麻峻玮 张怡卓
【目的】针对卷积神经网络识别植物叶片过程中,叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题,提出了一种双路卷积神经网络的植物叶片识别模型。【方法】模型考虑了叶片信息的边缘形状与内部纹理特征,构建了双路卷积神经网路结构,其中形状特征路径运用7层卷积层的网络结构,前3层采用大尺寸11×11及5×5的卷积核提取大视野特征,完成叶片形状特征提取,另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征;纹理特征路径采用6个3×3卷积核的卷积层,提取叶片纹理图像细节特征;然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对植物叶片种类进行识别。【结果】实验结果表明,双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比,在Flavia叶片数据集与扩充植物叶片数据集上,Top-1识别准确率分别提高到了99. 28%、97. 31%,Top-3识别准确率分别提高到了99. 97%、99. 74%,标准差较其他识别与分类模型下降到0. 18、0. 20。【结论】本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题,可以提高植物叶片的识别准确率。
[期刊] 北京林业大学学报
[作者]
胡静 陈志泊 杨猛 张荣国 崔亚稷
【目的】植物叶片分割旨在从背景中分割出叶片区域,去除背景对象干扰。这对植物病害识别和物种鉴定具有重大意义。【方法】本文设计了基于全卷积神经网络的植物叶片分割算法。首先,目标函数用对数逻辑函数代替复杂的Softmax多类预测函数,从而将分割任务转化为适合于植物叶片分割的二分类问题;其次,把批归一化技术引入全卷积神经网络,从而改善网络整体的收敛性。最后,针对当前植物叶片分割研究中缺乏评估指标的状况,设计了新的评估协议——受试者工作特征曲线,该曲线反映了不同阈值情况下植物叶片图像分割的召回率与误报率之间的变化情况。【结果】本文提出的算法降低了全卷积神经网络的参数复杂度,改善了网络的收敛性。实验结果表明,该方法比Leafsnap提到的基于颜色的分割方法更完整地分割了植物叶片区域;提出的ROC曲线能够充分评估植物叶片的分割性能。【结论】与传统方法相比,基于深度学习的植物叶片分割方法实现了输入图像的端对端处理,无需图像转换、噪声滤波和形态运算等预处理技术,因此在植物叶片分割上具有可行性。
关键词：
深度学习 全卷积神经网络 植物叶片分割
[期刊] 实验技术与管理
[作者]
吕淑平 黄毅 王莹莹
针对双流卷积神经网络存在的网络结构较浅、时间流及空间流网络均为独立训练学习、并未学习到时空网络之间关联信息等问题,文章设计了基于双流卷积神经网络的人体动作识别改进算法。采用Res Net-34对原网络进行替换,加深网络结构;将时间流、空间流网络提前进行特征图融合,加强时空网络信息融合的充分性。文章还对具体的融合方式和融合位置进行了实验研究,确定了网络最佳融合策略,在UCF-101数据集上的识别率为91.5%,相较于原网络以及其他相关识别方法有更高的识别精度。
关键词：
动作识别 深度学习 双流卷积神经网络
[期刊] 西北农林科技大学学报(自然科学版)
[作者]
黄林 贺鹏 王经民
【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统...
[期刊] 物流技术
[作者]
刘建国 代芳 詹涛
为解决字符分割错误造成的车牌识别错误,提出一种基于卷积神经网络的端到端的车牌识别算法,该算法首先采用基于颜色定位、文字定位和边缘检测的方法从自然场景中提取出车牌,由于样本量的问题,采用车牌生成器对车牌样本进行扩充,得到80602张车牌数据,将车牌按照7:1分为训练集和测试集,使用改进的AlexNet网络生成端到端的深度学习模型进行训练,并使用得到的模型进行车牌字符识别,车牌识别准确率达到96.7%。实验结果表明,该方法车牌识别准确率高,且鲁棒性较好。
关键词：
车牌定位 端到端 车牌识别 卷积神经网络
[期刊] 清华大学学报(自然科学版)
[作者]
刘琼 李宗贤 孙富春 田永鸿 曾炜
针对基于卷积神经网络的图像识别采用随机初始化网络权值的方法易收敛到局部最优值的问题,该文提出了一种结合无监督和有监督学习的网络权值预训练算法。融合零成分分析白化与深度信念网络预学习得到的特征,对卷积神经网络权值进行初始化;通过卷积、池化等操作,对训练样本进行特征提取并使用全连接网络对特征进行分类;计算分类损失函数并优化网络参数。在公开图像数据库中进行了大量实验,与公开最佳算法比较,该算法在MNIST中的识别错误率降低了0.1%,在Caltech101中的分类准确率提升了0.56%,验证了该算法优于现有算法。
关键词：
深度信念网络 图像识别 卷积神经网络
[期刊] 中南林业科技大学学报
[作者]
陈伟文 邝祝芳 王忠伟
【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。
[期刊] 水产学报
[作者]
蔡卫明 庞海通 张一涛 赵建 叶章颖
随着人工智能、大数据、机器学习、计算机视觉等技术的发展，卷积神经网络（CNN）越来越多地应用于图像识别领域，图像数据集的丰富性以及多样性对CNN模型的性能和表达能力至关重要，但现有的鱼类图像公共数据集资源较匮乏，严重缺少训练集以及测试集样本，难以满足深度CNN模型优化及性能提升的需要。实验以大黄鱼、鲤、鲢、秋刀鱼和鳙为对象，采用网络爬虫以及实验室人工拍照采集相结合的方式，构建了供鱼种分类的基础图片数据集，针对网络爬虫手段获取到的鱼类图像存在尺度不一、格式不定等问题，采用图像批处理的方式对所有获取到的图像进行了统一的数据预处理，并通过内容变换以及尺度变换对基础数据集做了数据增强处理，完成了7 993个样本的图像采集与归纳；在权值共享和局部连接的基础上，构建了一个用于鱼类识别的CNN模型，采用ReLU函数作为激活函数，通过dropout和正则化等方法避免过度拟合。结果显示，所构建的CNN鱼种识别模型具有良好的识别精度和泛化能力。随着迭代次数的增加，CNN模型的性能也逐步提高，迭代1 000次达到最佳，模型的准确率为96.56％。该模型采用监督学习的机器学习方式，基于CNN模型，实现了5种常见鱼类的鱼种分类，具有较高的识别精度和良好的稳定性，为养殖鱼类的品种识别提供了一种新的理论计算模型。
关键词：
鱼类识别 卷积神经网络 图像识别
[期刊] 沈阳农业大学学报
[作者]
陈春玲 杨雪 周云成 王俊 朱浩祎 苑婷 于泳
为了实现复杂背景下绝缘子的快速、准确识别,提出了基于卷积神经网络的绝缘子目标识别方法。该方法通过公开数据集ImageNet预训练VGGNet,并将VGGNet作为特征提取网络,预训练后用其参数初始化Faster R-CNN,通过绝缘子数据集再训练,最终用来识别绝缘子目标。此外,为了探究不同卷积网络和不同算法对试验结果的影响,除上述VGGNet和Faster R-CNN以外,还使用了AlexNet和Fast R-CNN来进行对比试验,即对比Fast R-CNN+VGGNet、Faster R-CNN+VGGNet、Faster R-CNN+AlexNet这3种网络。测试结果表明:在使用相同特征网络VGGNet时,Faster R-CNN的各项测试指标均优于Fast R-CNN,在使用相同算法Faster R-CNN时,VGGNet网络的检测指标较为理想,但识别速度稍慢于AlexNet网络。3种网络都能够达到绝缘子目标识别的目的,精确度依次为87.23%、96.66%、93.34%,召回率依次为59.42%、84.06%、49.28%,平均识别时间依次为8.48,2.70,1.40s。观察试验可知,相比其他两种算法Faster R-CNN+VGGNet检测结果较为理想,其精确度分别高出9.43%和3.32%,召回率分别高出24.64%和34.78%,说明该方法可对复杂背景下的绝缘子进行有效识别。
[期刊] 北京林业大学学报
[作者]
张帅 淮永建
深度学习已成为图像识别领域的研究热点。本文以植物叶片图像识别为研究对象，对单一背景和复杂背景图像分别给出了优化预处理方案；设计了一个８层卷积神经网络深度学习系统分别对Ｐｌ＠ａｎｔ ｎｅｔ叶片库和自扩展的叶片图库中３３ ２９３张简单背景和复杂背景叶片图像进行训练和识别，并与传统基于植物叶片多特征的识别方法进行了比较分析。实验证明：本文提供的Ｃｎｎ＋ＳＶＭ和Ｃｎｎ＋ＳｏｆｔＭａｘ分类器识别方法对单一背景叶片图像识别率高达９１．１１％和９０．９０％，识别复杂背景叶片图像的识别率也能高达３４．３８％，取得了较好的识别效果。利用本文实现的分层卷积深度学习识别系统在数据量大而无法做出更多优化的情况下，叶片．．．
[期刊] 林业科学
[作者]
孙钰 脱小倩 蒋琦 张海燕 陈志泊 宗世祥 骆有庆
【目的】设计轻量级神经网络,使用声音识别技术构建钻蛀振动识别模型,自动识别双条杉天牛和臭椿沟眶象幼虫蛀干取食振动,为提高钻蛀性害虫的早期预警能力提供技术支撑。【方法】在接双条杉天牛、臭椿沟眶象幼虫木段中嵌入AED-2010L便携式声音探测仪的SP-1L压电式传感器探头,使用录音笔以音频格式记录钻蛀振动信号。双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种声音信号经端点检测、时间规整操作后,计算对数梅尔声谱作为卷积神经网络学习和识别的数据集。由于钻蛀性害虫取食振动脉冲持续时间短,数据量远小于图像,为避免模型出现过拟合,设计轻量级卷积神经网络Insect Frames,网络包含4层3×3卷积,全连接层前接全局平均池化进一步降低网络参数量。使用不同的中间层特征维度和降维方法,实现4种网络变体结构Insect Frames_1—4。【结果】基于轻量级卷积神经网络的钻蛀振动识别方法可有效监测早期虫害的发生,较准确地识别害虫种类。利用Insect Frames_1—4模型,对双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种信号进行识别,在测试集上的平均识别准确率均达90%以上,CPU上平均识别时间为0.1～1.3 s。Insect Frames_2模型识别准确率达95.83%,较广泛用于虫声识别的高斯混合模型提高34.2%,较传统重量级神经网络Res Net18提高6.94%,时间效率提高171.1倍。【结论】将神经网络和声音识别技术用于幼虫钻蛀振动的自动化侦听,具有高效、简单、成本低等优势,可提升林业钻蛀性害虫的早期预警能力。
关键词：
钻蛀性害虫 神经网络 钻蛀振动 声音识别
[期刊] 物流技术
[作者]
姚志英 王成林 姚滢滢
设计了一种物品检测深度卷积神经网络,应用于物流分拣传输过程中物品检测。分析了深度卷积神经网络的结构及其在图像特征提取和信息降维方面的作用;设计了由卷积层、池化层、激活函数层和全连接网络层组成的物品检测深度卷积神经网络;构建了由300幅图像和标注结果组成的样本库,抽取60%的样本作为网络训练样本集,其余40%样本平均分成两组,其中一组作为网络训练过程中验证样本,另一组作为对训练好网络进行性能验证的测试样本;在设定网络参数的基础上进行网络的训练和测试;通过分析网络训练过程中各层的输出,发现所设计的网络可以很好地实现图像中所含物品特征的检测;网络训练过程验证精度可达100%,测试正确率可达98.33%。由此可知深度卷积神经网络性能良好,可用于物流分拣生产中的物品检测。
[期刊] 情报学报
[作者]
张海涛 王丹 徐海玲 孙思阳
本文基于卷积神经网络构建了微博舆情情感分类模型,通过爬虫方式获取微博话题数据,利用word2vec训练词向量,采用NLPIR/ICTCLAS2016工具进行分词,进而通过Matlab编程实现模型训练和测试。结果表明,模型能够实现有效的微博舆情情感分类,相较传统机器学习具有一定的优越性。
[期刊] 图书与情报
[作者]
郭利敏
人工智能技术的蓬勃发展,驱动着文献自动分类由基于规则的分类向基于机器学习的方向发展。文章在对深度学习概述的基础上,将卷积神经网络引入到了文献自动分类,构建了基于题名、关键词的多层次卷积神经网络模型,使之能够根据文献的题名和关键词自动给出中图分类号。通过在Tensor Flow平台上的深度学习模型,利用《全国报刊索引》约170万条记录进行模型训练,并对7000多篇待加工的文献做中图法分类预测,其在生产情况下一级分类准确率为75.39%,四级准确率为57.61%。当置信度为0.9时,一级正确率为43.98%,
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
