排序方式： 共有2条查询结果，搜索用时 31 毫秒
1
1.
番茄图像中多类别目标的准确识别是实现自动化采摘的技术前提,针对现有网络分割精度低、模型参数多的问题,提出一种基于改进DeepLabv3+的番茄图像多类别分割方法。该方法使用幻象网络(GhostNet)和坐标注意力模块(Coordinate attention, CA)构建CA-GhostNet作为DeepLabv3+的主干特征提取网络,减少网络的参数量并提高模型的分割精度,并设计了一种多分支解码结构,用于提高模型对小目标类别的分割能力。在此基础上,基于单、双目小样本数据集使用合成数据集的权值参数进行迁移训练,对果实、主干、侧枝、吊线等8个语义类别进行分割。结果表明,改进的DeepLabv3+模型在单目数据集上的平均交并比(MIoU)和平均像素准确率(MPA)分别为68.64%、78.59%,在双目数据集上的MIoU和MPA分别达到73.00%、80.59%。此外,所提模型内存占用量仅为18.5 MB,单幅图像推理时间为55 ms,与基线模型相比,在单、双目数据集上的MIoU分别提升6.40、6.98个百分点,与HRNet、UNet、PSPNet相比,内存占用量压缩82%、79%、88%... 相似文献
2.
云制造环境下知识云能力量化评估方法研究 总被引：1，自引：0，他引：1
云制造是一种智能化制造新模式,知识是支撑云制造服务系统运行的核心。但对知识云及其服务能力、影响因素和评估方法的研究尚不够深入。在建立知识云能力整体特征评估体系基础上,提出了一种基于云推理的量化评估方法。通过对知识能力评估指标的云化处理,采用知识能力云的期望和超熵对服务效能满意度进行定量评价,并构建了知识能力服务效能评估云推理发生器,实现通过知识能力变化云描述服务满意度的变化情况,为最大限度保障云制造系统知识资源与知识能力共享和按需使用提供智能化支持。实验表明,该方法较好地实现了知识云能力的最大效能服务过程,对云制造环境下知识云能力服务效能综合评估进行了有益的探索。 相似文献
1