首页 | 本学科首页   官方微博 | 高级检索  
     

基于深度残差网络的麦穗回归计数方法
引用本文:刘航,刘涛,李世娟,李路华,吕纯阳,刘升平. 基于深度残差网络的麦穗回归计数方法[J]. 中国农业大学学报, 2021, 26(6): 170-179
作者姓名:刘航  刘涛  李世娟  李路华  吕纯阳  刘升平
作者单位:中国农业科学院 农业信息研究所, 北京 100081;扬州大学 农学院, 江苏 扬州 225009
基金项目:中国农业科学院科技创新工程项目(CAAS-ASTIP-2020-AII);中央级公益性科研院所基本科研业务费专项(Y2020XK07、JBYW-AII-2020-10)
摘    要:单位面积的穗数是估算小麦产量的重要指标,针对传统麦穗计数方法效率低、主观性高等问题,将基于深度残差网络的密度回归模型引入麦穗的计数领域,建立原始图片与密度图的对应关系,以密度图像素值总和确定图像中麦穗数量.对ResNet34网络进行改进,提出了ResNet-16模型,实现端对端的麦穗计数.针对ResNet34网络复杂度...

关 键 词:麦穗  计数  密度回归  残差网络
收稿时间:2020-09-21

Research on wheat ear regression counting based on deep residual network
LIU Hang,LIU Tao,LI Shijuan,LI Luhu,LV Chunyang,LIU Shengping. Research on wheat ear regression counting based on deep residual network[J]. Journal of China Agricultural University, 2021, 26(6): 170-179
Authors:LIU Hang  LIU Tao  LI Shijuan  LI Luhu  LV Chunyang  LIU Shengping
Affiliation:Institute of Agricultural Information, Chinese Academy of Agricultural Sciences, Beijing 100081, China;College of Agriculture, Yangzhou University, Yangzhou 225009, China
Abstract:
Keywords:wheat ear   counting   density map regression   residual network
本文献已被 CNKI 等数据库收录!
点击此处可从《中国农业大学学报》浏览原始摘要信息
点击此处可从《中国农业大学学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号