这种改进可以在不添加任何子网络的情况下,平滑地集成到现有的卷积神经网络模型当中。图1 规则与不规则卷积核的对比。(a)不规则输入特征,其范围超越了3x3的区域;(b)两个3x3的卷积核,它们联合建模了输入特征;(c)从3x3卷积核到不规则卷积核的变形过程示例。...
其中第1 阶段解决智能形成的通用学习算法的数学理论,第2 阶段发展应对物理世界的物理智能。以此为基础,第3 阶段发展应对智能涉及社会群体的高阶智能,第4 阶段研究自由意识的本质和人工智能能否形成意识的超智能问题。结合笔者电磁信息感知专业领域,提出向物理智能发展的微波视觉新概念、相关内涵以及关键技术的建议,以笔者团队在这一方向的前期工作为例,讨论了以物理智能为基础的智能科学的研究与发展。...
图1 植被叶片含水量反演流程需实现内容:1)制定植被观测方案和采集标准,通过地物光谱仪采集和预处理,建立自然环境下的城市植被数据集,并对采集到的原始植被图像进行预处理来提高图像对比度,增强图像上植被部分与非植被部分的差异,提高植被信息的准确率。...
图2 ATH9010无人机高光谱飞行示意图技术思路与主要内容利用近地面无人机平台获取成像高光谱数据,开展基于机器学习和深度卷积神经网络模型的水稻病虫害监测,首先基于高光谱影像数据处理软件进行高光谱影像预处理;其次利用深度卷积神经网络模型进行水稻田的精确提取,然后基于提取的水稻田分布状况和面积信息对水稻的光谱信息和病虫害胁迫下的光谱特征进行分析,最后通过PNN概率神经网络算法实现水稻病虫害等级的精准监测...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号