简介:摘要:随着智能算法的不断发展,BP神经网络也逐渐被应用于图像处理领域。通过不断训练获得能够与实际情况相匹配的网络结构,在通过测试后,可利用BP神经网络对后续图像进行处理,完成自主的运算过程,减少人工参与度。在对目标进行识别的过程中,BP神经网络可大大减少工作量,提高图像处理的效率。
简介:摘要:随着遥感技术的不断进步和深度学习算法的快速发展,逐渐出现了一系列应用于遥感图像分类的神经网络模型。本文通过对近年来相关文献的综述,总结了各种神经网络模型在遥感图像分类中的应用情况、优缺点及发展趋势,旨在为遥感图像分类领域的研究者提供参考和启示。
简介:摘要:肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病,CT影像不仅能直观地显示病变部位,还可提供诸如病灶形态、密度等信息,在早期发现和治疗过程中发挥着重要作用,也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上,开展肺部病变的判断以及病灶区域的分割定位研究,可以大幅提高诊疗速度,协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开,区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法,研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法,在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集,并利用U-Net及相关改进网络模型,在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘,并获得到相对较高的分割精度。实验结果表明,通过在所处理的近300张数据集上进行实验,可以得到近85%的准确度。
简介:摘要:在全球经济高速发展的时代背景下,人们的生活水平也不断提高,汽车成了每家每户必不可少的交通工具。再加上交通物流业的迅猛发展,交通事故也频繁发生。研究发现,导致交通事故的最主要的因素就是汽车驾驶存在盲区。视野盲区阻挡驾驶员的视线,导致驾驶员在遇到突发事件时,无法及时有效地作出制动措施。因此,有效解决汽车视野盲区问题,关系到汽车驾驶的安全性。如今市面上的盲区检测产品,探测精度低,易产生视觉疲劳,从而也会导致安全事故的发生。基于此团队研发了一款超声波盲区检测预警自处理系统,通过雷达探测和监控摄像头技术的融合,能够使盲区信息实时展现在驾驶员的视野范围之内,有效地解决了图像出现的失帧和变形的问题,并利用危险等级模型的检测实现报警区域影像的放大集中,有效避免了驾驶员的视觉疲劳,使驾驶员接收到视觉和听觉的双重预警,并且该模型能使汽车实现自处理功能,解决驾驶员的判断失误或紧急境况的突发应变能力不足而造成事故的问题,以最安全的方式确保盲区检测效果。
简介:摘要:本文首先针对人工神经网络在机械工程领域中的应用进行分析和研究,然后针对其应用中存在的问题进行总结,随后针对这些问题,提出一些相关的建议和对策,为人工神经网络的具体应用提供了新思路。