更多
通知
医学文献 >>
  • 检索发现
  • 增强检索
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
默认
×
更多
在国内外文献保障系统中检索
高级检索 检索偏好
热搜词：
换一批
  • 二次检索
  • 检索历史
论文 期刊
取消
高级检索

检索历史 清除

首页 > 齐齐哈尔大学学报（自然科学版） > 少样本条件下的复杂叶片图像语义分割

少样本条件下的复杂叶片图像语义分割

Complex leaf image semantic segmentation under condition of few samples

导出 在线阅读 解读 下载全文 终端阅读

二维码有效期 120s

点击刷新
注：终端设备浏览有效期：
 学术成果认领
打印 收藏 分享
  • 新浪微博
  • 微信
  • QQ空间
  • 豆瓣
 纠错

摘要针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法.使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原SegNet语义分割模型的VGG16主干网络进行模型训练.实验结果表明,在包含180幅复杂背景叶片的图像数据集上,使用该方法的评价指数MPA和MIOU达到了98.02％和95.79％,相比未使用数据增强的原模型分别提高了9.96％和15.27％.

更多

相关知识

查看相关文献
广告
作者 汪庆 [1] 杜炜 [1] 马春 [1] 谷宗运 [1] 学术成果认领
作者单位 安徽中医药大学医药信息工程学院,合肥230012 [1]
关键词 语义分割SegNet模型VGG19少样本复杂叶片数据增强
分类号 TP391
DOI 10.3969/j.issn.1007-984X.2022.03.005
发布时间 2022-05-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省高校自然科学重点研究项目（KJ2020A0392） 安徽中医药大学校级自然重点项目（2020zrzd16） 安徽中医药大学校级自然一般项目（2020zryb09）
  • 浏览2
  • 被引3
  • 下载0
齐齐哈尔大学学报（自然科学版）

齐齐哈尔大学学报（自然科学版）

2022年38卷3期

21-25,31页

加载中！

相似文献

  • 中文期刊
  • 外文期刊
  • 学位论文
  • 会议论文

加载中！

加载中！

加载中！

加载中！

  • 浏览2
  • 被引3
  • 下载0

相关期刊

加载中！

法律状态公告日 法律状态 法律状态信息

特别提示：本网站仅提供医学学术资源服务，不销售任何药品和器械，有关药品和器械的销售信息，请查阅其他网站。

  • 客服热线：4000-115-888 转3 (周一至周五：8:00至17:00)

  • |

  • 客服邮箱：yiyao@wanfangdata.com.cn

  • 违法和不良信息举报电话：4000-115-888，举报邮箱：problem@wanfangdata.com.cn，举报专区

官方微信
万方医学小程序
new医文AI 翻译 充值 订阅 收藏 移动端

官方微信

万方医学小程序

使用
帮助
Alternate Text
调查问卷