一种基于类哺乳动物视网膜结构人工神经网络的图像识别与分类方法.pdf

一种基于改进的ResNeSt卷积神经网络模型的糖尿病性视网膜病变图像分类方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113408593 A (43)申请公布日 2021.09.17 (21)申请号 202110613678.7 (22)申请日 2021.06.05 (71)申请人桂林电子科技大学地址

2023-06-20 约1.31万字 13页立即下载

一种基于神经网络结构的图像识别方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114554793 A (43)申请公布日 2022.05.27 (21)申请号 202210146772.0 B08B 1/00 (2006.01) (22)申请日 2022.02.1

2023-05-08 约8.27千字 9页立即下载

基于卷积神经网络的视网膜血管分割和动静脉分类方法研究.pdf 摘要摘要 视网膜血管的形态对于糖尿病性视网膜病变等视网膜疾病的诊断和筛查至关重要。临床上，视网膜动静脉的形态变化是糖尿病性视网膜病变病理变化的判断依据。然而，鉴于视网膜血管系统复杂多变的特性，当前医生主要采取手工操作的方式，对视网膜血管进行区域采样、测量和分析。人工筛查耗时且成本高昂，同时易受主观因影响，不适用于大规模的糖尿病性视网膜病变筛查工作。因此，采用计算机辅助诊断技术实现视网膜血管的自动分割和动静脉分类，对视网膜图像的处理和糖尿病性视网膜病变的分析诊断具有重要的研究价值和临床意义。近年来，基于统的图像处理方法和基于深度学习的方法在医学图像处理领域表现出色，其中深度学习

2025-04-13 约10.57万字 59页立即下载

基于BP神经网络的视网膜血管图像分割.doc 深度学习课内实验报告实验名称：基于BP神经网络的视网膜血管图像分割专业名称：班级/组号学生姓名：学号：指导教师：实验日期：一.实验目的及实验环境实验目的：根据世界卫生组织发布的数据，世界各地都有越来越多的人患有眼科疾病。一般来说，眼科疾病包括高血压性视网膜病变、糖尿病性视网膜病变和动脉硬化。视网膜血管的形态学特征对眼科医生有很大的帮助。眼科医生可以利用视网膜血管的形态学特征，如分支模式、角度、弯曲度、宽度和长度等，来诊断和评估眼科疾病。因此，眼底图像中视网膜血

2025-05-15 约9.03千字 12页立即下载

基于人工神经网络和ARMA模型的结构参数识别方法研究的开题报告.docx 基于人工神经网络和ARMA模型的结构参数识别方法研究的开题报告一、选题背景和意义结构参数识别技术是结构健康监测与评估的重要手段之一，具有广阔的应用前景。目前，已有许多结构参数识别方法被提出，其中基于人工神经网络和时间序列模型（如ARMA模型）的方法越来越受到研究者的关注。人工神经网络具有非线性、自适应能力，可以处理输入输出之间的复杂关系；而ARMA模型则可以对数据进行时间序列分析，提取结构系统的频率响应特征，用于识别结构的动力学特性。将两者结合，可以更准确地进行结构参数识别。因此，本研究旨在通过基于人工神经网络和ARMA模型的结构参数识别方法，提高结构健康监测与评估的精度和可靠性。二、研

2024-04-20 约1.04千字 3页立即下载

基于卷积神经网络的OCT视网膜分层方法、系统和介质.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113393478 A (43)申请公布日 2021.09.14 (21)申请号 202110556870.7 (22)申请日 2021.05.21 (71)申请人天津大学地址 30

2023-06-17 约1.52万字 15页立即下载

一种基于Dlib与人工神经网络的人脸表情识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112560730 A (43)申请公布日 2021.03.26 (21)申请号 202011530196.7 (22)申请日 2020.12.22 (71)申请人电子科技大学中山学院

2023-05-29 约5.98千字 6页立即下载

一种基于人工神经网络的微处理器应用场景识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114461468 A (43)申请公布日 2022.05.10 (21)申请号 202210072862.X (22)申请日 2022.01.21 (71)申请人电子科技大学地址 610054

2023-05-06 约7.31千字 8页立即下载

基于神经网络的图像识别方法.docx PAGE 1- 基于神经网络的图像识别方法 第一章引言随着科技的飞速发展，图像识别技术在众多领域都显示出了其独特的价值和潜力。尤其在人工智能和机器学习领域，图像识别技术已经成为研究的热点之一。图像识别作为一种计算机视觉的核心技术，旨在使计算机能够通过分析和处理图像数据，识别和理解图像内容，从而实现对图像的自动解析和应用。这一技术不仅在安防监控、医疗诊断、自动驾驶等领域有着广泛的应用，而且在日常生活中，如智能手机的人脸解锁、智能摄影辅助等场景中也扮演着重要角色。在过去的几十年中，图像识别技术经历了从经典算法到深度学习技术的演变。早期的图像识别主要依赖于特征提取和分类方法，如SIFT、SURF

2025-01-22 约2.89千字 6页立即下载

基于神经网络的图像识别装置和图像识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819022 A (43)申请公布日 2021.05.18 (21)申请号 20191

2023-06-06 约2.59万字 21页立即下载

一种基于轻量级卷积神经网络的天气图像识别方法.docx PAGE 1- 一种基于轻量级卷积神经网络的天气图像识别方法 一、1.背景与意义 (1)随着全球气候变化和极端天气事件的频繁发生，对天气状况的实时监测和准确预测变得尤为重要。传统的天气预测方法依赖于物理模型和经验法则，这些方法在处理复杂多变的天气现象时存在一定的局限性。近年来，随着深度学习技术的飞速发展，尤其是卷积神经网络（CNN）在图像识别领域的成功应用，为天气图像识别提供了新的技术手段。通过将深度学习与天气图像识别相结合，有望实现更加高效、准确的天气预测。 (2)天气图像识别任务涉及到从大量的天气图像中提取特征，并对其进行分类。传统的图像处理方法通常需要手动设计特征提取器，而深度学习能够自

2025-01-20 约2.35千字 4页立即下载

一种基于卷积神经网络的宫颈细胞图像识别方法.docx PAGE 1- 一种基于卷积神经网络的宫颈细胞图像识别方法 一、1.方法背景 (1)宫颈癌是全球女性最常见的恶性肿瘤之一，早期诊断对于提高治愈率和降低死亡率至关重要。传统的宫颈细胞学检查依赖于病理医生的视觉分析，存在主观性强、效率低等问题。随着深度学习技术的快速发展，基于卷积神经网络的宫颈细胞图像识别方法应运而生，为宫颈细胞学检查提供了新的技术手段。 (2)卷积神经网络（CNN）是一种深度学习模型，在图像识别领域取得了显著的成果。CNN能够自动提取图像中的特征，具有较强的鲁棒性和泛化能力。在宫颈细胞图像识别任务中，CNN能够自动学习细胞图像的特征，从而实现对宫颈细胞图像的自动分类和识别。 (3

2025-01-18 约2.81千字 6页立即下载

一种基于卷积神经网络的宫颈细胞图像识别方法[发明专利].docx PAGE 1- 一种基于卷积神经网络的宫颈细胞图像识别方法[发明专利] 一、背景介绍 (1)宫颈癌是全球女性癌症死亡的主要原因之一，每年有超过50万新发病例，且这一数字仍在持续上升。早期诊断和及时治疗对于提高宫颈癌患者的生存率至关重要。传统的宫颈细胞学检查方法，如巴氏涂片，虽然应用广泛，但其准确性和效率仍有待提高。近年来，随着深度学习技术的飞速发展，基于卷积神经网络的图像识别方法在医学影像领域展现出巨大的潜力。 (2)宫颈细胞图像识别方法的研究主要针对宫颈细胞学检查中存在的误诊和漏诊问题。据统计，传统巴氏涂片检查的准确率约为70%，且由于阅片医生的主观性，误诊率较高。卷积神经网络（CNN）作为

2025-01-21 约3.06千字 6页立即下载

一种基于改进径向基神经网络的人脸图像识别方法.pdf 第18卷第2期甘肃科学学报Vol.18No.2 2006年6月JournalofGansuSciencesJun.2006 一种基于改进径向基神经网络的人脸图像识别方法 12

2025-03-07 约1.59万字 4页立即下载

一种基于神经网络频域注意力机制的图像识别方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113011444 B (45)授权公告日 2022.05.13 (21)申请号 202011504311.3 (56)对比文件

2023-06-09 约2万字 12页立即下载