ku111net议时间：2023年10月24日（周三）14:30
参ku111net人员：信息科学与工程学院科研团队教师，欢迎广大师生参加。
ku111net议地点: 墨子楼中兴ku111net议室
报告1：基于深度学习的病变图像分类筛查
报告人：张猛
内容简介：报告使用深度学习的方法，探讨在ResNet网络的基础上，添加Squeeze-and-Excitation 模块，建立一个基于深度学习的图像自动分类网络。实验结果表明，添加注意力机制后，网络模型的分类准确率较添加之前有了明显提高，验证了深度学习在病变图像筛查工作的可行性，此方法对于病变图像筛查与诊断一定的辅助诊断效果。
报告2：图像超分辨率重建方法
报告人：李静
内容简介：报告针对传统方法去噪方法ku111net损失部分有用信息的缺点，采用稀疏编码和字典训练两个关键技术进行去噪。在字典训练的过程利用了 K-SVD 算法，对低分辨率图像进行图像超分辨率重建，仿真结果表明与传统算法对比，所提算法具有更好的重建性能。
报告3：优化FCOS网络复杂果园环境下绿色苹果检测模型
报告人：郑涛
内容简介：报告针对复杂果园环境下的不同光照环境和果实姿态，提出一种优化的一阶全卷积（FCOS）神经网络绿色苹果识别模型。该算法提出的新模型具有更高的检测精度和识别效率，为苹果果园测产和自动化采摘提供理论和技术支撑；也可为其他果蔬的球形绿色目标果实识别提供借鉴。
科技处
信息科学与工程学院
2023年10月24日
检索
鲁公安网备37040002002001号