基于全卷积神经网络的空间植物图像快速识别
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Fast Recognition of Space Plants Image Based on Fully Convolutional Networks
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为解决空间站内航天员长期生存自给自足的问题,空间植物的研究变得越来越重要.目前,图像识别领域存在着浅层图像识别方法难以提取空间植物图像分层特征,以及深层卷积神经网络方法固定尺寸输入和识别时间较长的问题.因此,本文提出的基于全卷积神经网络的方法,通过提取由浅层至深层的特征、深度融合光谱特征和空间特征,实现对空间植物图像的有效准确表示,从而实现空间植物图像的快速、精确识别.

    Abstract:

    In order to solve the problem of the long-term survival of the astronauts in the space station, the research of space plants becomes more and more important. At present, there are some problems in image recognition field, such as the method of the shallow images recognition is difficult to extract hierarchical features of space plant images, and deep convolution neural network has fixed size input and long recognition time. To deal with these problems, a method based on fully convolutional networks is proposed in this study, and the networks have the ability to extract features from the shallow to deep, deep fusion spectrum features, and spatial features to achieve an efficient and accurate representation of the space plants image, so as to achieve fast and accurate recognition of the space plants image.

    参考文献
    相似文献
    引证文献
引用本文

樊帅,王鑫,阎镇.基于全卷积神经网络的空间植物图像快速识别.计算机系统应用,2018,27(11):136-141

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-03-28
  • 最后修改日期:2018-04-24
  • 录用日期:
  • 在线发布日期: 2018-10-24
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号