yuanbaoxi的博客

讨改进后的卷积神经网络模型对肺结节进行良恶性分类的准确率。方法 以分类模型密集网络 (DenseNet)为基础模型，采用中间密度投影方法将肺结节的三维信息输入卷积神经网络进行训练，并针对肺结节良恶性 分类问题适应性改进神经网络结构，将传统损失函数cross Entropy Loss替换为Focal Loss，使网络能着重学习难以分辨 的肺结节

改进YOLO_V3遥感图像飞机识别应用_郑志强

针对运动目标检测的难点问题。提出了一种结合尺寸不变特征变换(SIFT)和差分相乘算法的运动目标检测方法。 首先，用SIFT特征匹配算法配准运动图像的旋转、缩放和平移量，利用SIFT匹配的稳定性和准确性，精确补偿运动摄 像机下的背景图像。然后，用差分相乘方法，准确分割出运动目标的轮廓。最后，通过实拍视频序列的试验，证明算法的 有效性和可行性。系列实验显示，连续4帧图像差分相乘的方法即能够较好地满足应用要求。实验结果表明，SIFT特 征匹配和差分相乘融合的方法具有较好的鲁棒性和抗噪能力，对于摄像机运动、亮度变化、遮挡等影响因素具有较强的 适应能力。

用Harris角点检测算法进行图像特征检测．使用快速SIFT图像匹配方法进行图 像匹配并计算基础矩阵，去除误匹配点后用SIFT图像匹配的结果对Harris角点进行定位，并 用ZNCC算法对角点进行增量匹配．该算法有效地弥补了SIFT图像匹配算法的特征点只分 布于非边缘区域的问题，相比单纯SIFT算法可获得更多的匹配点，并且算法时间增加较少