基于卷積神經(jīng)網(wǎng)絡(luò)的自然光照下油茶果識(shí)別技術(shù)研究
【圖文】:
圖1.1自編碼機(jī)結(jié)構(gòu)逡逑Fig邋1.1邋Structure邋of邋auto-encoder逡逑構(gòu)通常是“編碼器-解碼器”的模式,上圖是一個(gè)編碼器與解碼器均為單層全連接神經(jīng)網(wǎng)絡(luò)。輸入Xgp:逡逑/?邋=邋f{W,x邋+邋b,,)非線性激活函數(shù),一般為sigmoid或者ReLU函數(shù)。輸入x,,即:逡逑x,=f(W2h邋+邋b2)編碼機(jī)選取其隱層輸出作為數(shù)據(jù)的特征,因?yàn)殡[層也被稱(chēng)作瓶頸特征。而在一些應(yīng)用中,也會(huì)將隱層征維度大,此時(shí)隱層學(xué)習(xí)到的特征是輸入特征的過(guò);通常這種場(chǎng)景會(huì)配介稀疏性約束一起應(yīng)叫,以完成經(jīng)過(guò)編碼器后再經(jīng)過(guò)一個(gè)解碼器,得到原始數(shù)據(jù)的重
卷積自編碼器對(duì)輸入圖像進(jìn)行卷積操作以獲得輸出的特征圖像輸出并得到隱逡逑藏層,這個(gè)過(guò)程被稱(chēng)為卷積編碼;解碼器使用反卷積操作將隱藏層重建得到與輸逡逑入層相同維度的輸出層,稱(chēng)為卷積解碼。圖2.]是卷積自編碼器的操作示意圖。逡逑卷積自編碼器中需要學(xué)習(xí)參數(shù)=邐其中6與丨r是編碼過(guò)程中的參數(shù),斤與逡逑HZ?是解碼過(guò)程中的參數(shù),具體實(shí)現(xiàn)中一般選擇關(guān)聯(lián)F與F邋=逡逑x邐y邋^邋x逡逑n'xHjD邐W2xH,xK邋JV^xH,邋xD逡逑圖2.1卷積自編碼器逡逑Fig邋2.1邋Convolution邋auto-encoder逡逑參照深度信念網(wǎng)絡(luò)的組成思想,將多個(gè)自編碼機(jī)仿照RBM通過(guò)堆疊的方式構(gòu)逡逑造起來(lái)的深度神經(jīng)網(wǎng)絡(luò)被稱(chēng)為棧式自編碼機(jī)…(StackedAuto-encoder)。其訓(xùn)練逡逑12逡逑
【學(xué)位授予單位】:中南林業(yè)科技大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類(lèi)號(hào)】:S794.4;TP391.41;TP183
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 馮國(guó)坤;饒洪輝;許朋;劉木華;;油茶果機(jī)械采摘裝備與技術(shù)研究現(xiàn)狀[J];中國(guó)農(nóng)機(jī)化學(xué)報(bào);2015年05期
2 賈偉寬;趙德安;劉曉洋;唐書(shū)萍;阮承治;姬偉;;機(jī)器人采摘蘋(píng)果果實(shí)的K-means和GA-RBF-LMS神經(jīng)網(wǎng)絡(luò)識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2015年18期
3 王丹丹;徐越;宋懷波;何東健;張海輝;;融合K-means與Ncut算法的無(wú)遮擋雙重疊蘋(píng)果目標(biāo)分割與重建[J];農(nóng)業(yè)工程學(xué)報(bào);2015年10期
4 徐越;李盈慧;宋懷波;何東健;;基于Snake模型與角點(diǎn)檢測(cè)的雙果重疊蘋(píng)果目標(biāo)分割方法[J];農(nóng)業(yè)工程學(xué)報(bào);2015年01期
5 馬力;鐘海雁;陳永忠;彭邵鋒;朱寧科;陳隆升;王瑞;;油茶果采后處理對(duì)油茶籽內(nèi)在品質(zhì)的影響研究[J];中國(guó)糧油學(xué)報(bào);2014年12期
6 馬曉丹;劉剛;周薇;馮娟;;基于量子遺傳模糊神經(jīng)網(wǎng)絡(luò)的蘋(píng)果果實(shí)識(shí)別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年12期
7 余凱;賈磊;陳雨強(qiáng);徐偉;;深度學(xué)習(xí)的昨天、今天和明天[J];計(jì)算機(jī)研究與發(fā)展;2013年09期
8 王海青;姬長(zhǎng)英;顧寶興;田光兆;;基于參數(shù)自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)的黃瓜目標(biāo)分割[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年03期
9 王福杰;饒秀勤;應(yīng)義斌;;蘋(píng)果圖像的背景分割與目標(biāo)提取[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年01期
10 李昕;李立君;高自成;易春峰;李慶春;;改進(jìn)類(lèi)圓隨機(jī)Hough變換及其在油茶果實(shí)遮擋識(shí)別中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2013年01期
相關(guān)碩士學(xué)位論文 前9條
1 汪洋;基于改進(jìn)SIFT算法的油茶果雙目圖像匹配研究[D];中南林業(yè)科技大學(xué);2018年
2 高華照;基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究[D];吉林大學(xué);2018年
3 林中琦;基于卷積神經(jīng)網(wǎng)絡(luò)的小麥葉部病害圖像識(shí)別研究[D];山東農(nóng)業(yè)大學(xué);2018年
4 白寶林;基于改進(jìn)的Mask R-CNN的車(chē)輛識(shí)別及檢測(cè)[D];安徽大學(xué);2018年
5 王浩;基于視覺(jué)的行人檢測(cè)技術(shù)研究[D];遼寧工業(yè)大學(xué);2018年
6 楊雯杰;基于皮膚鏡圖像的皮損區(qū)域識(shí)別研究[D];電子科技大學(xué);2018年
7 吳川北;基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測(cè)[D];華中科技大學(xué);2017年
8 曹本;基于深度學(xué)習(xí)特征提取的人臉認(rèn)證算法研究[D];東南大學(xué);2017年
9 石良德;成熟油茶果識(shí)別與定位系統(tǒng)[D];湖南大學(xué);2012年
本文編號(hào):2696715
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/2696715.html