检索结果

Select

1. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割

袁芊芊, 邓洪敏, 王晓航

计算机应用 2021, 41 (2): 563-570. DOI: 10.11772/j.issn.1001-9081.2020050645

摘要（445）

PDF （1737KB）（609）

针对目前柑橘病虫害图像数据集较少，病虫害目标复杂、散漫，难以自动定位分割的问题，提出了一种基于超像素快速模糊C均值聚类（SFFCM）与支持向量机（SVM）的农业柑橘病虫害区域分割方法。该方法充分利用了SFFCM快速、鲁棒的优点，且融合了空间信息的特点，同时避免了传统SVM在图像分割上需要人工选择样本的缺点。首先，利用改进的SFFCM分割算法对待分割图像进行预分割，得到前景和背景区域；接着利用形态学中的腐蚀和膨胀操作对前景和背景区域进行缩小，然后自动选取训练样本进行SVM模型训练；最后用训练好的SVM分类器完成整幅图像的分割。将所提方法与快速鲁棒模糊C均值聚类（FRFCM）、原始SFFCM及边缘引导网络（EGNet）这三种方法进行实验对比，结果表明所提方法的平均召回率为0.937 1，平均精确率为0.941 8，平均准确率为0.930 3，均明显优于对比算法。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于迷你卷积神经网络的停车场空车位检测方法

安旭骁, 邓洪敏, 史兴宇

计算机应用 2018, 38 (4): 935-938. DOI: 10.11772/j.issn.1001-9081.2017092362

摘要（682）

PDF （638KB）（891）

针对日益严峻的停车难问题，提出一种基于改进卷积神经网络停车场空车位检测方法。首先，根据车位只需用两种状态来表示其占空的特点，对传统卷积神经网络结构进行改进，提出迷你卷积神经网络（MCNN）的概念；然后，通过减少网络参数来减少训练和识别时间，并在网络中加入局部响应归一化层以加强对明度的校正，以及使用小卷积核来获取更多图像细节；最后，对视频帧图进行手动掩码设置，通过边缘检测切割成单个车位图，并使用训练好的MCNN进行车位识别。实验结果表明，与传统机器学习方式相比，基于MCNN的检测方法识别率能提高3~8个百分点，同时网络参数仅为常规使用卷积模型的1/1 000，且在文中所述的几种不同环境中，识别率的均保持在92%以上。实验结果表明，MCNN可移植到低配置摄像头，实现停车场空车位自动检测。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于人工神经网络的数字识别

史兴宇邓洪敏林宇锋安旭骁

录用日期: 2017-01-03

Select

4. 基于迷你卷积神经网络的车位检测

安旭骁邓洪敏史兴宇

录用日期: 2017-11-20