分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］荒漠植物的准确识别是其认识和保护过程中不可或缺的任务，是荒漠生态研究与保护的基 础。自然条件下野外荒漠植物图像的机器视觉自动分类识别可有效提升植物资源调查效率、降低人为主观因素影 响，对荒漠植物的精准分类、多样性保护和资源化利用具有重要意义。［方法］以自然环境下的整株荒漠植物图像 为研究对象，构建新疆干旱区荒漠植物图像数据集，以EfficientNet B0—B4网络为基础网络，提出一种融合迁移学 习和集成学习的荒漠植物图像识别算法，并在公开数据集Oxford Flowers102上进行对比验证。［结果和讨论］基于 EfficientNet B0网络的单一子模型的 Top-1准确率最高可达 93.35%，最低为 92.26%，软投票Ensemble-Soft 模型、硬 投票 Ensemble-Hard 模型以及加权投票法集成的 Ensemble-Weight 模型的准确率分别为 93.63%、93.55%和 93.67%， F1 Score 和准确率相当；基于 EfficientNet B0—B4 网络的单一子模型的 Top-1 准确率最高可达 96.65%，F1 Score 为 96.71%，而 Ensemble-Soft 模型、Ensemble-Hard 模型以及 Ensemble-Weight 模型的准确率分别为 99.07%、98.91%和 99.23%，相较于单一子模型，精度进一步提高，F1 Score 与准确率基本相同，模型性能显著；在公开数据集Oxford Flowers102上进行对比试验，3个集成模型相比 5个子模型准确率和F1 Score 最高提升了 4.56%和 5.05%，最低也提 升了 1.94%和 2.29%，证明了本研究提出的迁移和集成学习策略能够有效提高模型性能。［结论］ 本方法可提高荒 漠植物的识别准确率，通过云端传输至服务器后，实现荒漠植物的准确识别，为真实野外环境下植物图像识别精 度低、模型鲁棒性及泛化性弱等问题提供解决思路。服务于野外调查、教学科普以及科学实验等场景。
分类： 心理学 >> 发展心理学 提交时间： 2023-03-28 合作期刊: 《心理科学进展》
摘要： 人脑如何自动化加工瞬息万变的情绪信息?研究者们在借鉴听觉通道的失匹配负波(mismatch negativity, MMN)研究的基础上, 进一步发展出了表情失匹配负波(expression mismatch negativity, EMMN), 以此作为视觉情绪信息前注意加工的重要指标。与以往的一般视觉线索的视觉失匹配负波(visual mismatch negativity, vMMN)有所区别, EMMN研究专注于人脑如何自动化加工瞬息万变的情绪信息。当前的研究主要探讨了不同类型的面部表情、不同性别、高低流体智力个体的EMMN差异, 以及自闭症、抑郁症、精神分裂症等异常个体EMMN的特点。此外, 从预测编码的角度阐释了EMMN的机制。今后的研究有必要聚焦EMMN在临床诊断和治疗中的应用, 考察不同情绪线索EMMN的特点, 并进一步揭示EMMN的神经机制。
点击量
点击量
下载量
评论
