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
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