基于深度学习的木材死节缺陷图像分割方法
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.13594/j.cnki.mcjgjx.2018.05.004

基于深度学习的木材死节缺陷图像分割方法

引用
深度学习是当前机器学习的研究热点之一,针对木材表面死节缺陷图像,提出一种基于自动编码器(Autoencoder,AE)与长短期记忆网络(Long Short-Term Memory,LSTM)的深度学习图像分割方法.将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成行向量,所有行向量组成矩阵并采用AE进行深度学习,通过设置多层深度学习结构,实现行向量维数约减.最后采用LSTM对约减后的死节和背景特征进行训练与测试并得到分类结果.试验结果表明,提出的算法的分割效果好,能很好地提取木材表面死节缺陷.

深度学习、木材表面、死节缺陷、自动编码器、长短期记忆网络

29

S781.51;TP391.41(森林采运与利用)

国家自然科学基金;大学生创业项目

2019-04-04(万方平台首次上网日期,不代表论文的发表时间)

共4页

10-13

相关文献
评论
暂无封面信息
查看本期封面目录

木材加工机械

1001-036X

11-2680/S

29

2018,29(5)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn