-
公开(公告)号：CN112183635A
公开(公告)日：2021-01-05
申请号：CN202011047680.4
申请日：2020-09-29
申请人： 南京农业大学
摘要： 本发明提出一种多尺度反卷积网络实现植物叶部病斑分割与识别方法，该方法利用少量像素级标记，实现端到端的植物叶部病斑分割与识别。首先利用多尺度残差块构建多尺度特征提取模块，提取多尺度病害特征；然后引入分类与桥接模块获取特定类的激活图，此激活图包含特定类别病斑的关键信息，将它进行上采样，实现病斑的分割；最终设计反卷积模块，结合少量病斑标注引导特征提取网络关注病斑真实位置，进一步优化识别与分割效果。本发明的方法能够适用于像素级标注样本数量不足的植物叶部病害识别与分割的情况，实现识别与分割的一体化。模型在光线不足、有噪声干扰的病害图像中具有较强鲁棒性。
-
公开(公告)号：CN112036335A
公开(公告)日：2020-12-04
申请号：CN202010915753.0
申请日：2020-09-03
申请人： 南京农业大学
摘要： 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。
-
公开(公告)号：CN107832790A
公开(公告)日：2018-03-23
申请号：CN201711067416.5
申请日：2017-11-03
申请人： 南京农业大学
IPC分类号： G06K9/62
摘要： 本发明提出一种基于局部低秩表示的半监督高光谱图像分类方法，利用局部低秩系数来刻画空谱信息，最终借助获得的空谱信息得到一种增强的高光谱图像半监督分类方法。本方法首先通过局部低秩表示对空谱信息进行刻画，然后对无标记的样本进行标签初始化，最后基于已获得的空谱信息对高光谱图像进行半监督分类。本发明的方法能够适用于标签样本数量不足的高光谱图像分类的情况中，同时实现提高分类准确率，边界模糊性明显降低。
-
公开(公告)号：CN112036335B
公开(公告)日：2023-12-26
申请号：CN202010915753.0
申请日：2020-09-03
申请人： 南京农业大学
IPC分类号： G06V20/10 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明提出一种反卷积引导的半监督植物叶部病害识别与分割方法，使用少量病害类别标注和病斑的像素级标注，通过反卷积实现病害种类的识别和病斑区域的分割。本方法通过一致性正则化、熵最小化方法生成无标记样本的类别预测标签；将有标记样本和无标记样本进行图像混合，利用新生成的图像进行半监督病害分类；对类别信息进行上采样，利用少量像素级标记进行半监督病斑分割。在模型训练的过程中，使用指数加权平均更新模型参数，使模型在测试数据上更加鲁棒。本发明适用于标签样本数量不足的植物叶部病害识别与分割的情况，实现了识别与分割的一体化，模型在光线不足、有异物遮挡叶片图像中具有较强的泛化能力，识别和分割速度能够满足实时性要求。
-
公开(公告)号：CN107832790B
公开(公告)日：2020-08-25
申请号：CN201711067416.5
申请日：2017-11-03
申请人： 南京农业大学
IPC分类号： G06K9/62
摘要： 本发明提出一种基于局部低秩表示的半监督高光谱图像分类方法，利用局部低秩系数来刻画空谱信息，最终借助获得的空谱信息得到一种增强的高光谱图像半监督分类方法。本方法首先通过局部低秩表示对空谱信息进行刻画，然后对无标记的样本进行标签初始化，最后基于已获得的空谱信息对高光谱图像进行半监督分类。本发明的方法能够适用于标签样本数量不足的高光谱图像分类的情况中，同时实现提高分类准确率，边界模糊性明显降低。
-
-
-
-
搜索结果
5 条记录 (耗时 0.034 秒)
