A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

ConvNeXt-Haze: A Fog Image Classification Algorithm for Small and Imbalanced Sample Dataset Based on Convolutional Neural Network ConvNeXt-Haze: um algoritmo de classificação de imagens de neblina para conjuntos de dados de amostras pequenas e desequilibradas com base em rede neural convolucional

Fuxiang LIU, Chen ZANG, Lei LI, Chunfeng XU, Jingmin LUO

  • Exibições de texto completo

    17

  • Cite isto

Resumo:

Visando as diferentes habilidades dos algoritmos de desembaçamento em diferentes concentrações de neblina, este artigo propõe um algoritmo de classificação de imagens de neblina para um conjunto de dados de amostra pequeno e desequilibrado baseado em uma rede neural de convolução, que pode classificar as imagens de neblina antecipadamente, de modo a melhorar o efeito e capacidade adaptativa do algoritmo de desembaçamento de imagem em condições de neblina e neblina. A fim de resolver os problemas de interferência ambiental, interferência de profundidade de campo da câmera e distribuição desigual de recursos em imagens de neblina, o método de aumento de dados CutBlur-Gauss e estratégias de perda focal e suavização de rótulo são usados ​​​​para melhorar a precisão da classificação. Ele é comparado com o algoritmo de aprendizado de máquina SVM e os algoritmos clássicos de classificação de redes neurais de convolução alexnet, resnet34, resnet50 e resnet101. Este algoritmo atinge 94.5% de precisão de classificação no conjunto de dados deste artigo, o que excede outros excelentes algoritmos de comparação atualmente e atinge a melhor precisão. Está provado que o algoritmo aprimorado possui melhor precisão de classificação.

Publicação
IEICE TRANSACTIONS on Information Vol.E106-D No.4 pp.488-494
Data de publicação
2023/04/01
Publicitada
2022/11/22
ISSN online
1745-1361
DOI
10.1587/transinf.2022IIP0009
Tipo de Manuscrito
Special Section PAPER (Special Section on Intelligent Information Processing to Solve Social Issues)
Categoria

autores

Fuxiang LIU
  Beijing Institute of Technology
Chen ZANG
  Beijing Institute of Technology
Lei LI
  Science and Technology on Avionics Integration Laboratory
Chunfeng XU
  Beijing Institute of Technology
Jingmin LUO
  CHINAROCKERT CO., LTD.

Palavra-chave