Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection.

Journal of cutaneous pathology·2025
Same author

GATmath and GATLc: Comprehensive benchmarks for evaluating Arabic large language models.

PloS one·2025
Same author

Sentiment analysis for deepfake X posts using novel transfer learning based word embedding and hybrid LGR approach.

Scientific reports·2025
Same author

Explainable deep learning approaches for high precision early melanoma detection using dermoscopic images.

Scientific reports·2025
Same author

Enhancing the YOLOv8 model for realtime object detection to ensure online platform safety.

Scientific reports·2025
Same author

Fusing Transformer-XL with bi-directional recurrent networks for cyberbullying detection.

PeerJ. Computer science·2025

相关实验视频

Updated: Jul 5, 2025

Super-resolution Imaging of Neuronal Dense-core Vesicles
09:30

Super-resolution Imaging of Neuronal Dense-core Vesicles

Published on: July 2, 2014

9.7K

DPXception:一种轻量级的CNN,用于基于图像的枣树物种分类.

Mejdl Safran1, Waleed Alrajhi1, Sultan Alfarhood1

  • 1Department of Computer Science, College of Computer and Information Sciences, King Saud University, Riyadh, Saudi Arabia.

Frontiers in plant science
|January 24, 2024
PubMed
概括

一个新的数据集和DPXception模型能够从图像中准确地实时分类枣树种类. 这种方法提供了高精度和效率,优于农业应用的现有模型.

科学领域:

  • 计算机视觉 计算机视觉
  • 机器学习 机器学习
  • 农业技术 农业技术

背景情况:

  • 枣树种类的分类对农业和经济至关重要.
  • 现有的方法通常依赖于水果的特征,这限制了它们的适用性.
  • 基于图像的分类提供了一个可行的替代方案,但需要强大的模型和数据集.

研究的目的:

  • 引入一个新的数据集,用于枣树种类的分类.
  • 开发一种高效准确的基于图像的分类模型.
  • 创建实用的实时物种识别应用程序.

主要方法:

  • 收集并增强了2358张图像的数据集,涵盖四种枣树种.
  • 开发DPXception,这是一个轻量级的CNN模型,从Xception中改编,使用前100个层.
  • 实现了规范化和全球平均值的聚合,以优化模型.

主要成果:

  • DPXception实现了92.9%的准确性和93%的F1得分,超过了七个基准模型.
  • 该模型证明了0.0513秒的最低推断时间.
  • 开发了一个Android应用程序,用于实时,在设备上的日树种类分类.
关键词:
在美国,CNN是CNN.Xception 接收 接收 接收这是一棵枣树的果实.图像的分类图像的分类.实时应用程序实时应用程序转移学习转移学习

更多相关视频

Author Spotlight: A Tailor-Made Sample Preparation Approach for Enhanced MALDI-IMS Analysis of Hard Palm Seeds
07:55

Author Spotlight: A Tailor-Made Sample Preparation Approach for Enhanced MALDI-IMS Analysis of Hard Palm Seeds

Published on: June 30, 2023

1.1K
Quantification of Orofacial Phenotypes in Xenopus
09:26

Quantification of Orofacial Phenotypes in Xenopus

Published on: November 6, 2014

9.8K

相关实验视频

Last Updated: Jul 5, 2025

Super-resolution Imaging of Neuronal Dense-core Vesicles
09:30

Super-resolution Imaging of Neuronal Dense-core Vesicles

Published on: July 2, 2014

9.7K
Author Spotlight: A Tailor-Made Sample Preparation Approach for Enhanced MALDI-IMS Analysis of Hard Palm Seeds
07:55

Author Spotlight: A Tailor-Made Sample Preparation Approach for Enhanced MALDI-IMS Analysis of Hard Palm Seeds

Published on: June 30, 2023

1.1K
Quantification of Orofacial Phenotypes in Xenopus
09:26

Quantification of Orofacial Phenotypes in Xenopus

Published on: November 6, 2014

9.8K

结论:

  • 开发的数据集和DPXception模型为基于图像的枣树种类分类提供了强大的解决方案.
  • 这项工作提供了第一个公共数据集和一个实用,高效的分类方法.
  • 未来的研究可以将这一点扩展到棕树的性别分类和年龄估计.