排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法。该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活函数组成的网络结构,利用Sofmax loss和L2正则化进行损失函数设计。算法使用卷积加步长替代池化层,让网络具有自主学习下采样能力,使用批量规范化层用于解决网络过拟合问题。采用Fruits-360数据集进行测试,实验表明,FC-CNN可以识别出48种水果,准确率可达到99.63%。与现有的深度学习水果图像分类算法相比,FC-CNN的识别准确率更高,识别种类更多。 相似文献
2.
3.
针对传统热敏探测器均匀性测试仪智能化程度低和系统运行实时性差的问题出了一种基于STM32F373的热敏探测器均匀性测试仪的设计方法。测试仪由以STM32f373为核心的电路系统、光学聚焦系统、XY两轴位置控制平台、信号放大与采集系统和控制与显示系统组成,上位机采用VB进行了系统编程。采用热敏探测器进行系统测试,多次测试表明设计的均匀性测试仪的重复精度为0.82%,测试单点时间为1.49s,为小型化均匀性测试仪的设计提供了一种方法。 相似文献
1