修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

42 条数据
?? 中文（中国） ▾

  • 基于CapsNet神经网络的二维HeLa细胞荧光显微镜图像分类

    摘要： 计算机技术的发展如今使得利用荧光显微镜快速高效地自动生成大量特定亚细胞区室中蛋白质的荧光显微图像成为可能。数字图像处理和模式识别技术能轻松对这些图像进行分类，确定蛋白质的亚细胞定位，进而开展蛋白质功能分析与研究等相关工作。本研究基于海拉细胞的荧光显微镜二维图像数据集，采用CapsNet网络模型对十类不同亚细胞区室中的蛋白质图像进行分类。CapsNet网络模型中的胶囊被训练用于捕捉特定特征及其变体的可能性，而非捕捉特定变体的特征。同一层级的胶囊通过变换矩阵预测更高层级胶囊的实例化参数，当多个动态路由预测结果一致时，更高层级胶囊被激活。实验表明，使用CapsNet网络模型对二维海拉数据集进行分类可获得更高的准确率。

    关键词： 胶囊网络、图像分类、2D海拉细胞、亚细胞定位、荧光显微镜、神经网络

    更新于2025-09-23 05:18:56

  • [计算智能研究] 用于快速图像分类与检索的计算机视觉方法 第821卷 ||

    摘要： 计算机视觉、图像检索与分类是广泛应用于工程、科学和商业领域的重要方法集合。为描述图像，必须检测并表征其视觉特征，通常这些特征以向量形式呈现。本书介绍了加速大规模数据集中图像检索与分类的方法，其中部分方法（第5章）专为直接在关系型数据库管理系统中运行而设计。

    关键词： 计算机视觉、特征检测、图像分类、图像检索、关系型数据库

    更新于2025-09-23 23:34:31

  • 用于片上深度神经网络的磷化铟光子集成交叉连接数值模拟

    摘要： 我们提出了一种基于广播-加权方法的新型光子加速器架构，通过光子集成交叉连接实现深度神经网络。我们对单个神经元和完整神经网络运算进行了数值模拟，复现并验证了权重校准与加权加法操作，其表现与实验测量结果一致。预测动态范围超过25分贝，与实测数据相符。我们还针对光串扰和输入颜色数量的影响，对加权加法运算进行了模拟分析——光串扰增加会降低模拟精度，而通道数增多则能提升性能。通过部署训练好的三层深度神经网络权重矩阵，我们解决了鸢尾花分类问题。通过调节光串扰和波导损耗进行数值研究，以预估单次运算能耗，从而分析了对应光子实现的性能。层间光串扰与预测误差的关系分析表明：首层对最终精度起决定性作用。当归一化均方根误差低于0.09时，最终精度与各层误差呈准线性关联，这意味着首层存在保证最终精度高于89%的最大容许误差阈值。但由于网络随机性，即使误差超过0.09仍可能获得良好局部极小值。在相同误差水平下，更低的路径损耗可使矩阵乘法单元功耗减半，为性能提升提供了空间。模拟与实验的高度吻合为此类网络的可扩展性研究奠定了坚实基础。

    关键词： 深度神经网络、光子神经网络、图像分类、半导体光放大器、人工神经网络、光子集成电路

    更新于2025-09-19 17:13:59

  • [IEEE 2019欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 德国慕尼黑(2019.6.23-2019.6.27)] 2019欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 基于深度神经网络通过多模光纤实现波长无关的图像分类

    摘要： 深度神经网络（DNNs）已日益应用于不同研究领域或工业场景。为利用机器学习技术提取有效信息，每天需处理海量数据。多个研究团队通过基于真实数据集训练DNNs，在提升显微成像分辨率和定量相位恢复方面取得了显著成果。近期，研究者还利用DNNs实现了光信号经多模光纤（MMFs）传输后的图像复原与重建。当图像通过多模光纤传播时，由于信息分散在光纤支持的各个空间模式中，会产生严重散射现象。此外，由于不同光纤模式的传播速度存在差异，输入信号的局部信息沿光纤传输数毫米后就会失去相关性，从而在输出端形成散斑图案。从这类散斑图案中恢复信息具有重要实用价值，可推动多模光纤在医学内窥镜应用中的集成，或助力电信领域的信号恢复。

    关键词： 波长无关性、图像分类、散斑图案、多模光纤、深度神经网络

    更新于2025-09-11 14:15:04

  • [IEEE 2018第二届电子、通信与航空航天技术国际会议（ICECA）- 科因巴托尔（2018.3.29-2018.3.31）] 2018第二届电子、通信与航空航天技术国际会议（ICECA）- 医学图像分类的局部特征学习

    摘要： 本文提出一种基于图像块的新型医学图像分类方法。采用球对称三维局部三值模式从脑部MRI扫描提取的样本块中获取多尺度、多方向的局部特征，随后通过人工神经网络学习这些鲁棒特征以识别感兴趣区域（ROI）并判断其正常或异常。研究使用OASIS和BRATS 2012两个基准医学数据库分析该方法的分类鲁棒性，通过召回率、精确率和F值评估系统性能。实验表明，局部特征与人工神经网络的结合在医学图像分类中优于现有其他方法。

    关键词： OASIS、图像分类、BRATS 2012、LBP、SS3D

    更新于2025-09-11 14:15:04

  • 基于卷积神经网络的高分辨率遥感土地利用/土地覆盖分类全连接条件随机场方法

    摘要： 土地利用与土地覆盖（LULC）的解译是高分辨率遥感（RS）图像处理和土地资源管理领域的重要课题。要完整训练一个用于LULC分类的新建或现有卷积神经网络（CNN）架构，需要大量遥感影像数据，因此需对预训练CNN进行微调以实现LULC检测。为提高高分辨率遥感图像的分类精度，需采用另一种特征描述符并结合后处理分类器。本文提出一种全连接条件随机?。‵C-CRF），通过利用微调后的CNN层、光谱特征及全连接成对势能来实现高分辨率遥感图像分类：首先采用现有CNN模型并通过训练数据集微调其参数，计算图像像素属于各类别的概率；其次结合光谱特征与数字表面模型（DSM），并采用支持向量机（SVM）分类器确定各LULC类别概率，基于微调CNN获得的概率构建新特征描述符；最后引入FC-CRF生成分类结果——其中一元势能由新特征描述符和SVM分类器获得，成对势能则由三波段RS影像与DSM生成。实验结果表明，当总体精度达到约85%时，该分类方案具有良好性能。

    关键词： 遥感、全连接条件随机场（FC-CRF）、图像分类、卷积神经网络（CNN）

    更新于2025-09-10 09:29:36

  • [IEEE 2018年国际神经网络联合会议（IJCNN）- 里约热内卢（2018.7.8-2018.7.13）] 2018年国际神经网络联合会议（IJCNN）- 基于卷积神经网络的红外图像甲状腺结节识别

    摘要： 早期发现甲状腺异?？山档图膊〗狗缦?。影像学检查是诊断过程中的重要工具，但多数检查费用较高或可能使患者暴露于过量辐射。热成像技术作为甲状腺疾病诊断（尤其是结节检测）的有趣替代方案，因其能捕捉部分温度高于正常组织的结节特征。通过图像处理技术可定位潜在甲状腺结节区域，而卷积神经网络（CNN）则用于筛选真正与结节相关的区域。CNN在临床图像分类中应用广泛，已有模型在此类问题中展现良好效果。本研究提出结合简易图像处理技术与CNN的热成像甲状腺结节识别方法，测试了三种CNN架构：基于GoogLeNet（最高准确率86.22%）、AlexNet（77.67%）和VGG（74.96%）的模型。

    关键词： 影像检查，卷积神经网络 - CNN，图像分类

    更新于2025-09-10 09:29:36

  • [2018年IEEE第22届智能工程系统国际会议(INES) - 西班牙大加那利岛拉斯帕尔马斯 (2018.6.21-2018.6.23)] 2018年IEEE第22届智能工程系统国际会议(INES) - 图像分类中不同深度学习方法的比较

    摘要： 本文展示了如何解决一个典型的图像分类问题。图像分类的目标是将输入图像正确归类到预期的类别/标签中。我们重点研究将动物图像分为哺乳动物或鸟类两大类别。使用标准机器学习算法解决这类分类问题并非易事，主要原因是这些算法依赖于预先提取的分类特征——这些特征通常需要研究人员手动设定。例如定义鸟喙形态、翅膀、尾部、毛发等具体特征对人类而言很自然，但让计算机理解却极其困难。不过如今深度学习算法已能克服部分障碍，在此类问题上表现优异。我们可通过两种方式运用深度神经网络（DNN）：针对特定问题从头开发模型，或采用迁移学习方法。本文主要目标是通过实际案例对比这两种方法。我们演示了如何正确准备数据集、从零构建DNN模型并进行调优，同时展示了迁移学习技术的应用。所有步骤的描述均便于将这些算法适配至类似问题场景。

    关键词： 深度学习、卷积神经网络、图像分类、迁移学习

    更新于2025-09-10 09:29:36

  • 基于像素和基于对象的图像分类技术在提取无人机影像数据信息中的比较

    摘要： 随着发展重点聚焦于城市区域，亟需建立快速更新相关资料的体系。近年来应用的一项技术是利用无人机进行测绘。无人机因成本低廉、分辨率高且能在低空飞行（不受多云天气限制）而被广泛应用于多个领域。目前马来西亚的无人机数据提取方法仍十分有限，部分行业仍在沿用传统方式——通过人工目视判读从正射影像中手动识别并数字化地物特征用于制图。这些方法不仅繁琐耗时、成本高昂，还需大量外业工作才能获取有限信息?；谙袼氐募际醭Ｓ糜谔崛〉图短卣?，其分类依据光谱信息，但重叠区域的像素会因图像分析混淆导致误分类。如今面向对象图像分析（OBIA）分类技术已广泛用于自动数据提取。因此本研究总体目标是评估高分辨率无人机数据在图像分类中的应用能力，采用支持向量机（SVM）分类器对比了基于像素与OBIA的分类效果，并通过不同样本量进行评估。结果表明OBIA的整体精度（OA）优于基于像素的分类。本研究结果为后续利用不同分类器的OBIA技术提供了更深入的理解和拓展思路。

    关键词： 基于对象的、无人机、支持向量机、基于像素的、图像分类

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 一种用于高光谱分类的半监督学习双分支网络

    摘要： 为推动多源遥感数据融合与分析方法的发展，图像分析与数据融合技术委员会组织了2018年IEEE地球科学与遥感学会数据融合竞赛。针对多尺度特征学习、数据不平衡及小样本数据集三大问题，我们在竞赛中提出采用数据重采样策略与半监督学习的双分支卷积网络进行高光谱图像分类。竞赛结果表明：该方案在2018年IEEE GRSS数据融合竞赛提供的高光谱图像上，以77.39%的整体精度和0.76的卡帕系数取得了两项指标的最佳性能。

    关键词： 深度学习，高光谱图像，图像分类，半监督学习

    更新于2025-09-10 09:29:36