典型文献
一种弱监督细粒度深度网络的木材分类方法
文献摘要：
针对使用木材的微观结构对木材树种进行识别分类,提出一种新的基于细粒度图像识别的深度卷积神经网络自动分类算法,在阐述Navigator Teacher Scrutinizer Network算法的基础上,首先,利用分段线性激活函数对特征的存在程度和缺失程度的选择能力进行改进,在改进后的特征选择模型算法中搜寻最优α参数;其次,在改进后的算法中加入一个全局K-max池化层并应用在木材分类中,获得最佳的分类结果.实验结果表明,相比于原始NTS神经网络,本文所提算法能够更准确地实现数据分类,该模型的实验准确率为88.36％,准确率高,实用性强,可以提高木材树种分类精度,为木材树种快速分类提供参考.
文献关键词：
导航-教师-审查网络;弱监督卷积神经网络;木材显微识别;分类
中图分类号：
作者姓名：
戴天虹;谢千程;黄建平;孙春雪;丛士杰;黄新望;李克新
作者机构：
东北林业大学机电工程学院,哈尔滨150040;无锡科技职业学院人工智能学院,江苏无锡214000
文献出处：
引用格式：
[1]戴天虹;谢千程;黄建平;孙春雪;丛士杰;黄新望;李克新-.一种弱监督细粒度深度网络的木材分类方法)[J].西南大学学报（自然科学版）,2022(10):161-172
A类：
木材分类,Scrutinizer,弱监督卷积神经网络,木材显微识别
B类：
深度网络,分类方法,识别分类,细粒度图像识别,深度卷积神经网络,自动分类,分类算法,Navigator,Teacher,Network,分段线性,激活函数,特征选择,模型算法,搜寻,max,池化,获得最佳,NTS,数据分类,树种分类,分类精度,快速分类
AB值：
0.358278
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
