【基于神经卷积网络的智能图像识别框架研究8500字(论文)】_第1页
【基于神经卷积网络的智能图像识别框架研究8500字(论文)】_第2页
【基于神经卷积网络的智能图像识别框架研究8500字(论文)】_第3页
【基于神经卷积网络的智能图像识别框架研究8500字(论文)】_第4页
【基于神经卷积网络的智能图像识别框架研究8500字(论文)】_第5页
已阅读5页,还剩13页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第五章结论本文通过对卷积神经网络的深入研究,研究了快速R-CNN算法,提高了图像中危险产品的安全检测精度,通过防止泄漏,易于修改RPN参数,提高了检测算法的精度,并对改进的精度进行了试验.通过算法训练,建立了图像安全检测危险物品检测模型。对算法进行了改进,设计了将该模型应用于现有安全控制手段的软件系统。本文的创新之处如下:(1)目前,基于人工智能的图像识别应用领域主要包括:行人识别、车辆识别、手势识别和肿瘤图像识别,而不是识别安全测试领域的应用程序。该系统的研究拓展了人工智能的研究范围,应用场景比较新鲜。在安全检测领域,首次引入了基于人工智能的危险材料图像识别技术,并且开发的系统可以在实践中进行测试.(2)通过对FasterR-CNN算法的优化,与常规目标检测算法相比,提高了安全检测图像的验证精度,而FASTERR-CNN算法更为精确,适合图像验证.参考文献[1]余永维,殷国富,殷鹰,etal.基于深度学习网络的射线图像缺陷识别方法[J].仪器仪表学报,2014,35(9):2012-2019.[2]高常鑫,桑农.基于深度学习的高分辨率遥感影像目标检测[C]//第二届高分辨率对地观测学术年会.0.[3]段金菊,余胜泉.学习科学视域下的e-Learning深度学习研究*[J].远程教育杂志,2013(4).[4]高常鑫,桑农.基于深度学习的高分辨率遥感影像目标检测[J].测绘通报,2014(S1):108-111.[5]孙志军,薛磊,许阳明.基于深度学习的边际Fisher分析特征提取算法[J].电子与信息学报,2013(4).[6]段金菊.e-Learning环境下促进深度学习的策略研究[J].中国电化教育,2012(5):38-43.[7]袁冰清,陆悦斌,张杰.神经网络与深度学习基础[J].数字通信世界,2018,No.161(05):40-41+70.[8]焦李成.神经网络系统理论[M].西安电子科技大学出版社,1990.[9]阎平凡,张长水.人工神经网络与模拟进化计算[M].清华大学出版社,1900.[10]张乃尧,阎平凡.神经网络与模糊控制[M].清华大学出版社,1998.[11]冯夏庭,张治强,杨成祥,etal.位移反分析的进化神经网络方法研究[J].岩石力学与工程学报,1998,18(05):529-529.[12]HongtaoZ,HanpingM,DaoyinQ.Featureextractionforthestored-graininsectdetectionsystembasedonimagerecognitiontechnology[J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2009,25(2):126-130.[13]KuriharaN,NishikawaM,WatanabeA,etal.Acombustiondiagnosismethodforpulverizedcoalboilersusingflame-imagerecognitiontechnology[J].IEEEPowerEngineeringReview,2010,PER-6(6):45-46.[14]RosenfeldA,MilgramD.Algorithmsandhardwaretechnologyforimagerecognition[J].Algorithms&HardwareTechnologyforImageRecognition,1978.[15]ChengF,ZhangH,FanW,etal.ImageRecognitionTechnologyBasedonDeepLearning[J].WirelessPersonalCommunications,2018(C):1-17.[16]杨海涛.图像识别技术:机械工业出版社.[17]王波涛,蔡安妮,孙景鳌.生物图像识别技术及其应用[J].计算机工程与设计,2001,22(4):78-82.[18]陈强.基于组合矩和神经网络的图像识别技术研究[D].南京理工大学,2007.[19]彭淑敏.神经网络图像识别技术研究与实现[D].西安电子科技大学,2005.[20]陈珂,殷国富,罗小宾.基于统计特征聚类原理的图像识别技术[J].四川大学学报(工程科学版),2003,35(3):83-86.[21]彭强,张晓飞.基于特征向量的敏感图像识别技术[J].西南交通大学学报,2007,42(1):13-18.[22]吴忠,朱国龙,黄葛峰,etal.基于图像识别技术的手写数字识别方法[J].计算机技术与发展,2011,21(12):48-51.[23]JiangL,PengG,XuB,etal.Foreignobjectrecognitiontechnologyforporttransportationchannelbasedonautomaticimagerecognition[J].EURASIPJournalonImageandVideoProcessing,2018,2018(1).[24]ZhangXB,GeXG,JinY,etal.ApplicationofimagerecognitiontechnologyincensusofnationaltraditionalChinesemedicineresources[J].ZhongguoZhongyaozazhi=Zhongguozhongyaozazhi=ChinajournalofChinesemateriamedica,2017,42(22):4266-4270.[25]MauroZ,VeronicaR,FabioL,etal.AMonitoringSystemforLayingHensThatUsesaDetectionSensorBasedonInfraredTechnologyandImagePatternRecognition[J].Sensors,2017,17(6):1195-.[26]周军盈,杜啸晓.图像识别技术在火灾探测中的应用[J].消防科学与技术,2007,26(4).[27]王秀珍.图像识别技术浅论[J].内蒙古电大学刊,2008(8):73-74.[28]ComFJF.图像识别技术在换流站监控系统中的应用[J].电网技术,2010(2):174-178.[29]王鹏,郑光宇,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论