• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    遷移學(xué)習(xí)

    • 基于改進DeepLab v3+模型和遷移學(xué)習(xí)的高分遙感耕地提取方法
      Net,結(jié)合遷移學(xué)習(xí)方法進行高分辨率遙感影像耕地信息提取。首先,在淺層網(wǎng)絡(luò)結(jié)構(gòu)中加入鄰域邊緣加權(quán)模塊,提升高分辨率下地物的連續(xù)性,細(xì)化邊緣分割粒度;其次,在深層網(wǎng)絡(luò)結(jié)構(gòu)中添加軸向注意力機制模塊,增加細(xì)小地物的關(guān)注權(quán)重,減少深度卷積導(dǎo)致地物丟失的情況;最后,采用遷移學(xué)習(xí)的思想,降低樣本標(biāo)注工作量,提高模型學(xué)習(xí)能力。利用高分衛(wèi)星土地覆蓋數(shù)據(jù)集(GID)數(shù)據(jù)構(gòu)建源域數(shù)據(jù)集進行模型預(yù)訓(xùn)練,將獲取的模型參數(shù)及權(quán)重信息遷移至大數(shù)據(jù)與計算智能大賽(BDCI)遙感影像地塊

      江蘇農(nóng)業(yè)學(xué)報 2023年7期2023-12-13

    • 基于導(dǎo)波和知識遷移的結(jié)構(gòu)損傷識別方法研究
      究思路,并以遷移學(xué)習(xí)算法為基礎(chǔ)架構(gòu),設(shè)計了適用于實際工程應(yīng)用的結(jié)構(gòu)損傷識別模型PRED_RF。試驗結(jié)果分析表明,在有限數(shù)據(jù)的情況下,PRED_RF模型的損傷識別效果明顯優(yōu)于其他傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)模型,結(jié)構(gòu)損傷識別準(zhǔn)確率達到了94.48%。關(guān)鍵詞:導(dǎo)波; 損傷識別; 遷移學(xué)習(xí); 小樣本中圖分類號:V219 文獻標(biāo)識碼:A DOI:10.19452/j.issn1007-5453.2023.05.007航空結(jié)構(gòu)中的裂紋、腐蝕、脫層以及其他損傷會造成航空結(jié)構(gòu)

      航空科學(xué)技術(shù) 2023年5期2023-09-14

    • 基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)圖像識別方法研究
      果表明,經(jīng)過遷移學(xué)習(xí)優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)的測試集準(zhǔn)確率均得到顯著提升。關(guān)鍵詞:圖像識別;深度學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習(xí);預(yù)訓(xùn)練模型中圖分類號:TP391.4 ? ? 文獻標(biāo)識碼:A ? 文章編號:2096-4706(2023)14-0057-04Research on Convolutional Neural Network Image Recognition MethodBased on Transfer LearningZHANG Wentao, ZH

      現(xiàn)代信息科技 2023年14期2023-09-06

    • 基于改進ResNeXt的黑色素瘤識別算法
      ;輔助診斷;遷移學(xué)習(xí)中圖分類號:TP391 文獻標(biāo)識碼:A文章編號:1009-3044(2023)20-0036-040 引言皮膚癌是一種危險的疾病,早期發(fā)現(xiàn)是提高生存率的必要條件。皮膚色素性惡性病變的死亡率非常高,尤其是黑色素瘤,發(fā)病率和死亡率更高。據(jù)統(tǒng)計,美國在2022年有99 780名成年人(57 180名男性和42600 名女性)被診斷出患有皮膚侵襲性黑色素瘤。2020年全球有324 635人被診斷患有黑色素瘤。黑色素瘤是日常生活中常見癌癥。隨著人

      電腦知識與技術(shù) 2023年20期2023-08-26

    • 基于改進的MobilenetV3蘋果葉片病害圖像識別技術(shù)
      為基礎(chǔ),引入遷移學(xué)習(xí),加入空洞卷積,并調(diào)整原模型結(jié)構(gòu),形成新模型進行訓(xùn)練學(xué)習(xí)。經(jīng)過多輪迭代,損失曲線實現(xiàn)收斂,模型訓(xùn)練成功,訓(xùn)練集上的準(zhǔn)確率為95.72%,測試集上的準(zhǔn)確率為93.41%;經(jīng)過改進的MobileNetV3網(wǎng)絡(luò)模型對蘋果葉片病害圖像識別效果較好,為將來在移動端實現(xiàn)部署與推廣提供了技術(shù)方案支撐。關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);MobileNetV3;深度學(xué)習(xí);遷移學(xué)習(xí);空洞卷積中圖分類號:TP391 文獻標(biāo)志碼:A0 引言(Introduction)民以食為

      軟件工程 2023年8期2023-08-20

    • 基于深度學(xué)習(xí)特征融合的遙感圖像場景分類應(yīng)用
      lexNet遷移學(xué)習(xí)網(wǎng)絡(luò)提取圖像的深層信息,在去除最后一層全連接層的同時加入一層256維的全連接層作為特征輸出;將兩種特征進行自適應(yīng)融合,最終輸入到網(wǎng)格搜索算法優(yōu)化的支持向量機(GS-SVM)中對遙感圖像進行場景分類識別.在公開數(shù)據(jù)集UC Merced的21類目標(biāo)數(shù)據(jù)和RSSCN7的7類目標(biāo)數(shù)據(jù)的實驗結(jié)果表明,5次實驗的平均準(zhǔn)確率分別達94.77%和93.79%.該方法可有效提升遙感圖像場景的分類精度.關(guān)鍵詞 圖像分類;卷積神經(jīng)網(wǎng)絡(luò);灰度共生矩陣;局部二值

      南京信息工程大學(xué)學(xué)報 2023年3期2023-07-06

    • 小樣本民族藥植物圖像識別綜述
      的方法、基于遷移學(xué)習(xí)的方法和基于注意力機制的方法,同時根據(jù)所研究的藏藥數(shù)據(jù)集進行實驗和對比分析,總結(jié)闡述了現(xiàn)有方法在解決小樣本民族藥植物圖像識別時的性能優(yōu)劣。最后對小樣本民族藥植物圖像識別領(lǐng)域存在的問題進行總結(jié),并對未來發(fā)展方向進行展望。關(guān)鍵詞:深度學(xué)習(xí);小樣本圖像識別;數(shù)據(jù)增強;遷移學(xué)習(xí);注意力機制中圖分類號:TP391.4;TP18? 文獻標(biāo)識碼:A? 文章編號:2096-4706(2023)04-0081-06A Survey on Image Re

      現(xiàn)代信息科技 2023年4期2023-06-25

    • 基于深度對比遷移學(xué)習(xí)的變工況下機械故障診斷
      in 距離;遷移學(xué)習(xí);對比學(xué)習(xí)中圖分類號: TH165+.3;TP206+.3 文獻標(biāo)志碼: A 文章編號: 1004-4523(2023)03-0845-09DOI:10.16385/j.cnki.issn.1004-4523.2023.03.027引 言隨著現(xiàn)代社會的不斷發(fā)展,機械設(shè)備廣泛應(yīng)用于各行各業(yè),軸承、齒輪是機械設(shè)備中不可或缺的組件。由于機械設(shè)備多運行在復(fù)雜惡劣的環(huán)境中,軸承、齒輪極易受損,導(dǎo)致機械設(shè)備發(fā)生故障,甚至造成重大安全事故[1‐2]。

      振動工程學(xué)報 2023年3期2023-06-25

    • 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類改進方法研究
      積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)思想的圖像分類改進方法。利用遷移學(xué)習(xí)的思想改進卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)及網(wǎng)絡(luò)參數(shù),然后利用TensorFlow框架實現(xiàn)該模型并對MNIST數(shù)據(jù)集進行分類,最后將改進卷積神經(jīng)網(wǎng)絡(luò)模型的分類準(zhǔn)確率與傳統(tǒng)分類方法進行對比分析。實驗結(jié)果表明,改進卷積神經(jīng)網(wǎng)絡(luò)模型的分類準(zhǔn)確率高達99.37%,分類性能明顯優(yōu)于其他方法。關(guān)鍵詞:卷積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習(xí);TensorFlow;圖像分類中圖分類號:TP183? ? 文獻標(biāo)識碼:A? 文章編號:2096-4

      現(xiàn)代信息科技 2023年5期2023-06-22

    • 圖像情景文本融合的多模態(tài)模型性能策略研究
      訓(xùn)練加微調(diào)的遷移學(xué)習(xí)方案,降低模型訓(xùn)練成本。并經(jīng)過大量實驗探究模型的輸入策略,文章建議,在跨模態(tài)檢索任務(wù)中,采取圖文比例2:3能夠獲得最優(yōu)的召回率。關(guān)鍵詞:多模態(tài);跨模態(tài)檢索;遷移學(xué)習(xí);OCR中圖分類號:TP391.4? 文獻標(biāo)識碼:A? 文章編號:2096-4706(2023)09-0166-04Abstract: Aiming at the problem of limited representation ability of feature ext

      現(xiàn)代信息科技 2023年9期2023-06-21

    • 基于深度遷移學(xué)習(xí)的荔枝病蟲害識別方法研究
      量。關(guān)鍵詞:遷移學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò);荔枝;病蟲害識別文章編號:1005-2690(2023)09-0100-03? ? ? ?中國圖書分類號:S436.67;TP183? ? ? ?文獻標(biāo)志碼:B近年來,隨著新一代信息技術(shù)的迅速普及,我國逐漸加強了對農(nóng)產(chǎn)品病蟲害智能辨識與數(shù)字化防治的扶持工作,農(nóng)作物病蟲害智能識別研究逐漸成為熱門。早期農(nóng)產(chǎn)品病蟲害的智能識別和數(shù)字化防治主要通過圖像預(yù)處理(灰度化、直方圖均衡、中值濾波等),圖像分割和特征提取技術(shù)(灰度矩陣、顏

      種子科技 2023年9期2023-06-17

    • 基于MobileNet V2和遷移學(xué)習(xí)的番茄病害識別
      et V2和遷移學(xué)習(xí)的方式相結(jié)合,對番茄早疫病、番茄細(xì)菌性斑疹病、番茄晚疫病、番茄葉霉病、番茄斑枯病、番茄紅蜘蛛病、番茄褐斑病、番茄花葉病、番茄黃化曲葉病等9種葉部病害圖像以及健康番茄葉片圖像進行分類識別,首先將數(shù)據(jù)集按照9 ∶?1的比例分為訓(xùn)練集和驗證集,對于訓(xùn)練模型根據(jù)遷移學(xué)習(xí)的方式分別采用不凍結(jié)卷積層、凍結(jié)部分卷積層、全部凍結(jié)卷積層的方式獲得3種模型,然后在模型最后加上2層全連接層并用Dropout層防止過擬合,接著通過Softmax層輸出實現(xiàn)對番茄

      江蘇農(nóng)業(yè)科學(xué) 2023年9期2023-06-04

    • 高分遙感影像建筑物邊緣提取模型遷移性評估對比
      ,邊緣檢測,遷移學(xué)習(xí)。摘要:建筑物邊緣提取對智慧城市建設(shè)具有重要的研究意義,采用人工標(biāo)注建筑物邊緣的方法需要消耗大量的人力物力。目前,利用深度學(xué)習(xí)的方法已經(jīng)能提取建筑物大致輪廓,但其需要大量的人工標(biāo)注的精確樣本進行訓(xùn)練。因此,文章構(gòu)建了3個邊緣檢測數(shù)據(jù)集并復(fù)現(xiàn)了2個經(jīng)典邊緣檢測網(wǎng)絡(luò)RCF和BDCN進行交叉訓(xùn)練測試實驗,評估邊緣檢測模型的可遷移性,為研究構(gòu)建普適性更強的邊緣檢測網(wǎng)絡(luò)提供思路。關(guān)鍵詞:深度學(xué)習(xí);邊緣檢測;遷移學(xué)習(xí)中圖分類號:P237 文獻標(biāo)志碼

      無線互聯(lián)科技 2023年6期2023-05-23

    • 基于遷移學(xué)習(xí)和改進殘差網(wǎng)絡(luò)的復(fù)雜背景下害蟲圖像識別
      提出一種基于遷移學(xué)習(xí)和改進殘差網(wǎng)絡(luò)的蟲害圖像識別方法。首先,利用數(shù)據(jù)增強技術(shù)對采集的橘小實蠅蟲害圖像進行樣本數(shù)據(jù)的擴充;再在ResNet-34模型的基礎(chǔ)上,增加了2個注意力模塊層,并重新設(shè)計了全連接層模塊,獲得能夠改進后的網(wǎng)絡(luò)模型;最后利用遷移學(xué)習(xí)的方法將預(yù)訓(xùn)練的參數(shù)權(quán)重遷移到本模型中進行訓(xùn)練,并在試驗過程中分析學(xué)習(xí)方式、樣本量、學(xué)習(xí)率、批量大小等參數(shù)對模型性能的影響。結(jié)果表明,采用旋轉(zhuǎn)、翻轉(zhuǎn)和亮度變換操作對圖像進行數(shù)據(jù)擴充的數(shù)據(jù)集,在訓(xùn)練模型的全部層的遷

      江蘇農(nóng)業(yè)科學(xué) 2023年8期2023-05-23

    • 小數(shù)據(jù)場景下基于遷移學(xué)習(xí)與BiLSTM的建筑能耗預(yù)測方法
      提出一種基于遷移學(xué)習(xí)與BiLSTM(雙向長短期記憶網(wǎng)絡(luò))的新建建筑能耗預(yù)測方法。首先采用MMD(最大均值差異)對源域建筑與目標(biāo)域建筑的歷史數(shù)據(jù)進行相似度分析;然后利用相似建筑的歷史數(shù)據(jù)對BiLSTM進行預(yù)訓(xùn)練;最后微調(diào)BiLSTM對目標(biāo)域建筑進行預(yù)測。使用真實的建筑能耗數(shù)據(jù)進行實驗,結(jié)果表明,與其他預(yù)測模型相比,所提出方法顯著提高了能耗預(yù)測精度。關(guān)鍵詞: 建筑能耗預(yù)測; 遷移學(xué)習(xí); 相似度分析; 深度學(xué)習(xí); BiLSTM中圖分類號:TU111.195? ?

      計算機時代 2023年4期2023-04-13

    • 以概念為本的初中地理教學(xué)探究
      ;協(xié)同思考;遷移學(xué)習(xí)【中圖分類號】G633.55? 【文獻標(biāo)志碼】A? 【文章編號】1005-6009(2023)07-0065-04【作者簡介】劉仙紅,南京師范大學(xué)蘇州實驗學(xué)校(江蘇蘇州,215100)教師,高級教師,蘇州市地理學(xué)科帶頭人。在教育領(lǐng)域,更多的人認(rèn)識到課程和教學(xué)必須超越知識和技能,它需要涵蓋更有深度的、可遷移性的理解,這個層次的理解是在概念性層面的思考中形成的。[1]5“以概念為本的課程是一種三維課程設(shè)計模式,它架構(gòu)了學(xué)科領(lǐng)域的事實和技能內(nèi)

      江蘇教育·中學(xué)教學(xué)版 2023年2期2023-04-10

    • 鑄體薄片圖像孔隙自動分割方法優(yōu)選
      :鑄體薄片;遷移學(xué)習(xí);孔隙;語義分割鑄體薄片中孔隙分析是分析儲層孔隙結(jié)構(gòu)的重要方法,薄片中孔隙分割是進行孔隙分析的關(guān)鍵一步。傳統(tǒng)做法是利用目測法、計數(shù)法和圖像處理算法對孔隙進行分割。但是目測法和計數(shù)法不僅要求研究人員具有專業(yè)的地質(zhì)知識而且效率低下分割結(jié)果受主觀因素影響。傳統(tǒng)的圖像處理技術(shù)中用于孔隙分割的方法有閾值法、邊緣檢測法、區(qū)域生長算法、分裂合并法和聚類分割法[1]。但這些傳統(tǒng)方法只依賴顏色特征且需要大量的人工交互,無法實現(xiàn)自動化分割孔隙。人工神經(jīng)網(wǎng)絡(luò)

      電腦知識與技術(shù) 2023年5期2023-04-06

    • 改進PSPNet網(wǎng)絡(luò)的舌圖像分割方法研究
      注意力機制;遷移學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò)0 引言望診是中醫(yī)四大治療手法之一,主要通過觀察患者面部、舌部進行初步診斷。而舌診作為中醫(yī)辨證論治的主要依據(jù)之一[1],在中醫(yī)望診中發(fā)揮著重要作用。它通過觀察舌苔的顏色和形態(tài)變化對患者的疾病有初步的感知及判斷,具有診斷便利、參考價值高的特殊優(yōu)勢[2]。但是,由于醫(yī)生的主觀經(jīng)驗不同且診療的客觀條件參差不齊,導(dǎo)致診療結(jié)果在一定程度上存在誤差,“人工智能+中醫(yī)舌診”因此應(yīng)運而生。人工智能的本質(zhì)是通過大量計算分析輔助決策,所以舌診

      電腦知識與技術(shù) 2023年5期2023-04-06

    • 基于Bert模型的文本多分類應(yīng)用研究
      ;文本分類;遷移學(xué)習(xí)1 概述隨著互聯(lián)網(wǎng)的發(fā)展越來越發(fā)達,教育領(lǐng)域也因教育信息化而發(fā)生了巨大變革,通過搜索引擎和在線答題平臺咨詢學(xué)習(xí)問題已逐漸成為學(xué)生及老師學(xué)習(xí)的一種方式[1]。在咨詢過程中,問答系統(tǒng)會對用戶提出問題的類別進行準(zhǔn)確區(qū)分,如題目的學(xué)科或題目考查的知識點。知識點在教育教學(xué)過程中起著重要的作用,可對題庫根據(jù)知識點進行分類,然后根據(jù)學(xué)生的學(xué)習(xí)情況,有針對地將習(xí)題推薦給學(xué)生,老師也能根據(jù)學(xué)生的做題情況有針對地進行拔高訓(xùn)練,為學(xué)生設(shè)計階段性學(xué)習(xí)方案,學(xué)生

      電腦知識與技術(shù) 2023年4期2023-03-24

    • 基于深度學(xué)習(xí)和不可分小波的裂紋檢測方法
      eNet進行遷移學(xué)習(xí)構(gòu)造神經(jīng)網(wǎng)絡(luò);最后將高頻圖像數(shù)據(jù)集的80%用作訓(xùn)練集,20%用作驗證集,放入神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練和驗證。實驗結(jié)果表明,該方法可得到較好的裂紋檢測效果。關(guān)鍵詞:裂紋檢測;深度學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò);不可分小波;加性小波;遷移學(xué)習(xí)中圖分類號:TP181? ? ? 文獻標(biāo)識碼:A文章編號:1009-3044(2022)18-0006-04開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):1 引言隨著社會經(jīng)濟的不斷發(fā)展,我國的基礎(chǔ)設(shè)施建設(shè)能力越來越強,基礎(chǔ)建設(shè)

      電腦知識與技術(shù) 2022年18期2022-08-31

    • 基于遷移學(xué)習(xí)和Xception網(wǎng)絡(luò)的混凝土裂紋識別研究
      據(jù)集后,引入遷移學(xué)習(xí)的方法對Xception網(wǎng)絡(luò)進行訓(xùn)練。同時,與構(gòu)建的ResNet50、InceptionV3和VGG19三個深層卷積神經(jīng)網(wǎng)絡(luò)模型進行對比實驗,重新驗證其性能。實驗證明,引入遷移學(xué)習(xí)不僅可以提升模型的整體性能,還能縮減訓(xùn)練深層卷積神經(jīng)網(wǎng)絡(luò)的時間,訓(xùn)練的模型在數(shù)據(jù)集上的識別精確率達到96.24%,在對比實驗中達到96.50%。關(guān)鍵詞:遷移學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò);圖像識別;圖像增廣中圖分類號:TP399 ? ? 文獻標(biāo)識碼:AResearch o

      軟件工程 2022年7期2022-07-21

    • 基于改進的YOLOv4-GhostNet水稻病蟲害識別方法
      構(gòu);3)結(jié)合遷移學(xué)習(xí)與YOLOv4網(wǎng)絡(luò)訓(xùn)練技巧。通過試驗將YOLOv4及其MobileNet系列輕量化網(wǎng)絡(luò)與Faster-RCNN系列網(wǎng)絡(luò)和SSD系列網(wǎng)絡(luò)進行對比,結(jié)果表明,改進的YOLOv4-GhostNet模型平均準(zhǔn)確率達到79.38%,檢測速度可達1 s 34.51 幀,模型權(quán)重大小縮減為42.45 MB,在保持檢測精度達到較高水平的同時模型參數(shù)量大幅度降低,適用于部署在計算能力不足的嵌入式設(shè)備上。關(guān)鍵詞: 水稻病蟲害檢測; GhostNet網(wǎng)絡(luò);

      江蘇農(nóng)業(yè)學(xué)報 2022年3期2022-07-16

    • 基于卷積神經(jīng)網(wǎng)絡(luò)的黃瓜病害識別研究
      ;黃瓜病害;遷移學(xué)習(xí);病害識別黃瓜也稱胡瓜、青瓜,是人們生活中經(jīng)常食用的蔬菜之一。近年來隨著黃瓜的需求量不斷增加,其種植面積也在增加,但黃瓜葉面病害一直是制約產(chǎn)量增加的關(guān)鍵因素,以天津地區(qū)黃瓜種植為例,2016年黃瓜褐斑病的發(fā)病率為90%,病毒病的暴發(fā)率達到100%。以前種植戶在識別黃瓜病害時主要是根據(jù)自己以往的經(jīng)驗進行判斷,很難快速并準(zhǔn)確地識別出黃瓜病害種類,往往會出現(xiàn)病害判斷失誤而造成黃瓜產(chǎn)量的降低。隨著社會的發(fā)展,深度學(xué)習(xí)技術(shù)也取得不少的研究成果,并

      計算技術(shù)與自動化 2022年2期2022-07-04

    • 基于MobileNetV3的馬鈴薯病害識別
      積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的馬鈴薯葉部病害識別方法。首先,采集馬鈴薯葉部病害圖像樣本,再運用GrabCut算法進行圖像分割;再基于 MobileNetV3構(gòu)建病害識別基礎(chǔ)模型,并通過調(diào)整模型結(jié)構(gòu)及寬度系數(shù)α等方式對模型進行優(yōu)化,最后運用遷移學(xué)習(xí)的方式將預(yù)訓(xùn)練參數(shù)遷移至優(yōu)化模型進行訓(xùn)練。結(jié)果表明,該方法對馬鈴薯健康、晚疫病、早疫病、炭疽病及其他病害葉部圖像識別準(zhǔn)確率為 98.00%,模型權(quán)重僅為0.68 MB,識別速率為0.014 s/幅。本研究結(jié)果可為馬鈴薯葉部

      江蘇農(nóng)業(yè)科學(xué) 2022年10期2022-06-12

    • 基于遷移學(xué)習(xí)和模型融合的中藥材圖像識別研究
      材特征,通過遷移學(xué)習(xí)、數(shù)據(jù)增強、模型融合等方法優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),并提出一種基于Xception和DenseNet融合的中藥材圖像識別模型DxFusion。結(jié)果 通過遷移學(xué)習(xí)、數(shù)據(jù)增強和模型融合,DxFusion在60種中藥材測試集上分類精度可達99.65%,效果優(yōu)于已有分類模型。結(jié)論 基于遷移學(xué)習(xí)和多模型融合的深度卷積神經(jīng)網(wǎng)絡(luò)可以提取圖像中不規(guī)則的中藥材特征,有效提升中藥材圖像識別的準(zhǔn)確率。 〔關(guān)鍵詞〕 深度學(xué)習(xí);中藥材識別;卷積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習(xí);數(shù)據(jù)增強;

      湖南中醫(yī)藥大學(xué)學(xué)報 2022年5期2022-06-01

    • 基于改進輕量級卷積神經(jīng)網(wǎng)絡(luò) MobileNetV3的番茄葉片病害識別
      絡(luò)模型也進行遷移學(xué)習(xí)并進行對比,結(jié)果顯示 MobileNetV3的總體學(xué)習(xí)效果最好,在Mixup混合增強和 focal loss 損失函數(shù)下對10類番茄病害的平均測試識別準(zhǔn)確率達到94.68%。在遷移學(xué)習(xí)的基礎(chǔ)上繼續(xù)改進 MobileNetV3模型,在卷積層引入空洞卷積和感知機結(jié)構(gòu),采用 GLU (Gated Liner Unit)閘門機制激活函數(shù),訓(xùn)練得到最佳的番茄病害識別模型,平均測試的識別準(zhǔn)確率98.25%,模型的數(shù)據(jù)規(guī)模43.57 MB ,單張番茄

      智慧農(nóng)業(yè)(中英文) 2022年1期2022-05-30

    • 改進YOLOv4算法的袋料香菇檢測方法
      練過程中利用遷移學(xué)習(xí)的思想,對主干網(wǎng)絡(luò)載入VOC數(shù)據(jù)集的預(yù)訓(xùn)練權(quán)重。相比原YOLOv4算法,mAP值增加了4.82個百分點,達到94.39%,算法參數(shù)量降為原來的58.13%,算法更加高效和輕量化,為機械采摘提供視覺算法支持。關(guān)鍵詞:YOLOv4;目標(biāo)檢測;gamma變換;遷移學(xué)習(xí);香菇采摘DOI:10.15938/j.jhust.2022.04.004中圖分類號: TP391.4文獻標(biāo)志碼: A文章編號: 1007-2683(2022)04-0023-0

      哈爾濱理工大學(xué)學(xué)報 2022年4期2022-05-30

    • 基于深度卷積神經(jīng)網(wǎng)絡(luò)的自動垃圾分類
      積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習(xí);圖像識別;垃圾分類中圖分類號:TP391.4??????????? 文獻標(biāo)志碼:A0引言伴隨我國城市化發(fā)展的不斷深入與人民生活水平的提高,城市生活垃圾的產(chǎn)生量急劇增加,成為環(huán)境治理刻不容緩的問題。在對生活垃圾的處理上,傳統(tǒng)的填埋與焚燒處理存在著占用土地、污染地下水、排放廢氣等問題,而且處理能力有限。事實上,生活垃圾中絕大部分是可以通過分類回收實現(xiàn)循環(huán)利用的。為此我國已在各大城市推行垃圾分類制度,通過合理的分類投放從源頭上減少生活垃圾數(shù)

      甘肅科技縱橫 2022年3期2022-05-21

    • 一種用于主軸軸承故障診斷的深度卷積動態(tài)對抗遷移網(wǎng)絡(luò)
      巍華摘要: 遷移學(xué)習(xí)智能故障診斷方法已經(jīng)成為了機械設(shè)備故障診斷領(lǐng)域的一個研究熱點。然而,大多數(shù)相關(guān)方法在遷移學(xué)習(xí)過程中未能合理地評估源域樣本和目標(biāo)域樣本的相似性,且數(shù)據(jù)分布的差異會造成遷移診斷的結(jié)果不同。針對此問題,提出深度卷積動態(tài)對抗遷移網(wǎng)絡(luò)用于主軸軸承智能故障診斷。該網(wǎng)絡(luò)首先利用一維卷積神經(jīng)網(wǎng)絡(luò)從處理過的振動信號中自動提取特征集,然后利用動態(tài)對抗學(xué)習(xí)策略動態(tài)地調(diào)整條件分布和邊緣分布在遷移學(xué)習(xí)過程中的重要程度,有效地提高遷移診斷的精度。通過數(shù)控機床主軸軸

      振動工程學(xué)報 2022年2期2022-05-14

    • 基于自編碼預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)分類方法
      積神經(jīng)網(wǎng)絡(luò) 遷移學(xué)習(xí)1基于自編碼預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的分類1.1自編碼的原理自編碼神經(jīng)網(wǎng)絡(luò)(見圖1)是一個輸入與輸出相等的人工神經(jīng)網(wǎng)絡(luò)。在該網(wǎng)絡(luò)中,左側(cè)節(jié)點是輸入層,右側(cè)神經(jīng)元是輸出層,中間是隱含層。輸出層的神經(jīng)元數(shù)量等于輸入層的神經(jīng)元數(shù)量。隱藏層的神經(jīng)元數(shù)量少于輸出層的神經(jīng)元數(shù)量。自編碼器的工作原理如圖2 所示。其中,輸入層和隱含層之間的參數(shù)叫作“編碼器”(encoder),隱含層和輸出層之間的參數(shù)叫作“解碼器”(decoder)。通過對編碼和解碼的參數(shù)

      計算機應(yīng)用文摘·觸控 2022年5期2022-04-02

    • 基于遷移學(xué)習(xí)的殘差網(wǎng)絡(luò)猴痘病識別研究
      種改進的基于遷移學(xué)習(xí)殘差網(wǎng)絡(luò)的圖像自動識別方法。該方法使用了ResNet50網(wǎng)絡(luò)并使用該網(wǎng)絡(luò)預(yù)訓(xùn)練權(quán)重進行遷移學(xué)習(xí),在網(wǎng)絡(luò)的全連接層后加入dropout對神經(jīng)元進行隨機失活。在經(jīng)過數(shù)據(jù)增強的猴痘病數(shù)據(jù)集上進行了網(wǎng)絡(luò)的訓(xùn)練,最終達到了97.9%的識別準(zhǔn)確率,相比于VGG16和AlexNet網(wǎng)絡(luò)具有更高的識別準(zhǔn)確率。關(guān)鍵詞:圖像識別;分類識別;深度學(xué)習(xí);殘差網(wǎng)絡(luò);遷移學(xué)習(xí)中圖分類號:TP391? ? ? ? 文獻標(biāo)識碼:A文章編號:1009-3044(2022

      電腦知識與技術(shù) 2022年33期2022-04-02

    • 基于深度學(xué)習(xí)的生活垃圾分類
      :垃圾分類;遷移學(xué)習(xí);數(shù)據(jù)增廣;卷積神經(jīng)網(wǎng)絡(luò)中圖分類號:TP311? ? ? ? 文獻標(biāo)識碼:A文章編號:1009-3044(2022)03-099-02開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):1 前言在2018年,中國已經(jīng)成了為全球產(chǎn)生垃圾最多的國家,且在近幾年生活垃圾產(chǎn)量保持5%左右的增長[1]。據(jù)國家統(tǒng)計局發(fā)布的《中國統(tǒng)計年鑒2020》指出,在2019年全國生活垃圾清運量就已達24206.2萬噸[2]。與日俱增的垃圾不僅對寶貴空間資源造成了占用,而且

      電腦知識與技術(shù) 2022年3期2022-03-12

    • 基于遷移學(xué)習(xí)的OCT視網(wǎng)膜圖像分類研究
      型基礎(chǔ)上采用遷移學(xué)習(xí)。最后,將提取的特征輸入模型網(wǎng)絡(luò)進行分類。實驗在數(shù)據(jù)集上進行驗證,在準(zhǔn)確率、靈敏度等評價指標(biāo)上均有所提升。關(guān)鍵詞:遷移學(xué)習(xí);視網(wǎng)膜;殘差網(wǎng)絡(luò);OCT;圖像分類中圖分類號:TP183? ? ? ? 文獻標(biāo)識碼:A文章編號:1009-3044(2022)34-0029-031 概述隨著全球經(jīng)濟的持續(xù)增長,生活水平的大幅提高,醫(yī)療條件的改善,人類的平均壽命已達到了前所未有的水平。但是,由于與眼睛健康相關(guān)的退化效應(yīng)隨著年齡的增長而增加,因此眼病

      電腦知識與技術(shù) 2022年34期2022-02-20

    • 基于卷積神經(jīng)網(wǎng)絡(luò)的乳腺癌良惡性診斷
      數(shù)據(jù)集,使用遷移學(xué)習(xí),將在ImageNet數(shù)據(jù)集上訓(xùn)練得到的權(quán)重作為該網(wǎng)絡(luò)的初始化參數(shù),該模型在乳腺癌數(shù)據(jù)集Breakhis上得到的準(zhǔn)確率可以達到95%,而在經(jīng)過解凍部分訓(xùn)練層、調(diào)整學(xué)習(xí)率等優(yōu)化操作之后,分類準(zhǔn)確率最高可以達到99%。實驗結(jié)果表明,優(yōu)化后的方法在乳腺癌良惡性診斷準(zhǔn)確率方面有很大的提高。關(guān)鍵詞:乳腺癌;卷積神經(jīng)網(wǎng)絡(luò);圖像分類;數(shù)據(jù)增強;遷移學(xué)習(xí)中圖分類號:TP391? ? ?文獻標(biāo)識碼:A文章編號:2096-1472(2022)-01-06-

      軟件工程 2022年1期2022-01-04

    • 基于深度卷積神經(jīng)網(wǎng)絡(luò)的手機玻璃蓋板表面缺陷分類檢測研究
      基礎(chǔ),并結(jié)合遷移學(xué)習(xí)和SE模塊,搭建手機玻璃蓋板表面缺陷分類檢測模型。實驗表明,最終分類準(zhǔn)確率達96.40%,并且使用了Grad-CAM技術(shù)進行可視化分析,結(jié)果顯示模型是根據(jù)缺陷所在區(qū)域特征進行預(yù)測的,說明沒有出現(xiàn)過擬合現(xiàn)象。關(guān)鍵詞:玻璃蓋板;深度卷積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習(xí);SE模塊;分類檢測中圖分類號:TP391 ? ? 文獻標(biāo)識碼:AAbstract: In order to realize the classified detection of poin

      軟件工程 2021年12期2021-12-08

    • 循“長短”,探“大小”
      習(xí)經(jīng)驗,注重遷移學(xué)習(xí),建立知識之間的連接。本文以面積概念的教學(xué)為例,通過問題創(chuàng)設(shè)、激發(fā)經(jīng)驗、操作理解、舉一反三,讓學(xué)生內(nèi)化面積概念本質(zhì),初步形成幾何度量的認(rèn)知結(jié)構(gòu)。【關(guān)鍵詞】概念教學(xué) 面積 本質(zhì)理解 遷移學(xué)習(xí) 結(jié)構(gòu)一、教學(xué)設(shè)計思考“面積”單元是北師大版數(shù)學(xué)三年級下冊的教學(xué)內(nèi)容。教材對“什么是面積”和“面積單位”安排了兩個課時的教學(xué),第一課時主要是結(jié)合實例,認(rèn)識面積含義,通過比較長方形與正方形面積的活動,探索比較面積大小的方法;第二課時是認(rèn)識常用的面積單位,

      小學(xué)教學(xué)研究·教研版 2021年9期2021-11-25

    • 基于遷移學(xué)習(xí)的多模型水稻病害識別方法研究
      學(xué)習(xí)技術(shù)結(jié)合遷移學(xué)習(xí)方法識別常見水稻病害。使用當(dāng)前深度學(xué)習(xí)領(lǐng)域經(jīng)典網(wǎng)絡(luò)模型VGG、ResNet、DenseNet、InceptionResNet、Xception模型作為預(yù)訓(xùn)練模型,通過比較不同模型在新任務(wù)上的表現(xiàn),選取性能最好且最穩(wěn)定的Xception模型作為最終模型。試驗結(jié)果顯示,DenseNet、InceptionResNet、Xception的識別準(zhǔn)確率可以達到97%,尤其是Xception模型不僅可以達到98.50%的最高識別準(zhǔn)確率而且是最穩(wěn)定的

      安徽農(nóng)業(yè)科學(xué) 2021年20期2021-11-25

    • 軸承智能故障診斷技術(shù)發(fā)展
      提取過程,而遷移學(xué)習(xí)更使變工況下故障診斷達到極好地效果。本文闡述傳統(tǒng)故障診斷方法,討論人工智能時代軸承智能診斷技術(shù)的發(fā)展方向。關(guān)鍵詞:滾動軸承;深度學(xué)習(xí);遷移學(xué)習(xí);故障診斷1 前言軸承作為現(xiàn)代機電裝備中的重要零部件之一,其在制造業(yè)下各個領(lǐng)域都得到廣泛應(yīng)用,比如工程機械,軍事裝備,礦產(chǎn)采集等,其工作狀態(tài)對設(shè)備的精度、效率、維護成本等有很大影響。因而,為延長軸承的工作壽命,降低經(jīng)濟成本并避免安全事故的發(fā)生,對軸承進行及時的故障診斷就很有必要?!吨袊圃?025

      裝備維修技術(shù) 2021年37期2021-11-03

    • 高中文言文遷移學(xué)習(xí)研究
      :高中文言文遷移學(xué)習(xí)重在實現(xiàn)以事實性知識為學(xué)習(xí)基點的知識學(xué)習(xí)的遷移和道德學(xué)習(xí)的遷移。從遷移路徑來看,知識學(xué)習(xí)的遷移主要是由點向面的,而道德學(xué)習(xí)的遷移是由內(nèi)向外的。將課上文言文閱讀教學(xué)互動中學(xué)到的內(nèi)容遷移到新的情境中去,是文言文閱讀教學(xué)提質(zhì)增效的重要實現(xiàn)路徑。關(guān)鍵詞:文言文 遷移學(xué)習(xí) 知識學(xué)習(xí) 道德學(xué)習(xí)舉一隅須以三隅反。將課上文言文閱讀教學(xué)互動中學(xué)到的內(nèi)容遷移到新的情境中去,是文言文閱讀教學(xué)提質(zhì)增效的重要目標(biāo)。為解決文言文閱讀教學(xué)困境,語文課堂雖不必全然囿于

      文學(xué)教育下半月 2021年10期2021-10-29

    • 基于傳感器的智能盆栽養(yǎng)護系統(tǒng)的設(shè)計和實現(xiàn)
      。該系統(tǒng)利用遷移學(xué)習(xí)技術(shù)進行花卉識別,并通過多種傳感器和單片機檢測和傳輸盆栽的相關(guān)信息,還具有社區(qū)交流、線上商城等功能。關(guān)鍵詞: 遷移學(xué)習(xí); 單片機; 傳感器; 微信小程序; SpringBoot中圖分類號:TP311.1? ? ? ? ? 文獻標(biāo)識碼:A? ? ?文章編號:1006-8228(2021)09-46-05Abstract: In daily life, people often encounter various troubles in p

      計算機時代 2021年9期2021-10-08

    • 基于神經(jīng)網(wǎng)絡(luò)的家居智能分類垃圾桶
      ;智能分類;遷移學(xué)習(xí);家居垃圾桶中圖分類號:TP183? ? ? 文獻標(biāo)識碼:A文章編號:1009-3044(2021)21-0114-04開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):Household Intelligent Classification Trash Bin Based on Neural NetworkCAO Yu-yu, BAO Rong,QIANG Xu-yan,ZU Hong-lei(Information and Electrica

      電腦知識與技術(shù) 2021年21期2021-09-23

    • 基于遷移學(xué)習(xí)的電力負(fù)荷預(yù)測研究
      模型,并基于遷移學(xué)習(xí)算法構(gòu)建既有建筑電力數(shù)據(jù)和新建建筑電力負(fù)荷間的聯(lián)系,通過既有建筑負(fù)荷歷史數(shù)據(jù)訓(xùn)練所得模型來預(yù)測新建建筑電力負(fù)荷,以南京市某辦公建筑為例驗證所構(gòu)建的負(fù)荷預(yù)測模型,預(yù)測誤差可保持在7.8%以內(nèi),所提出的電力負(fù)荷預(yù)測方法可為實際電力負(fù)荷預(yù)測計量提供參考。關(guān)鍵詞:電力負(fù)荷預(yù)測;深度學(xué)習(xí);遷移學(xué)習(xí);建筑能耗0 引言電力負(fù)荷預(yù)測是智能電網(wǎng)的基礎(chǔ)性功能,對未來智慧城市發(fā)展具有重要作用,對城市穩(wěn)定高效運轉(zhuǎn)具有重要意義,直接影響城市未來發(fā)展和人民生活水平

      機電信息 2021年23期2021-09-14

    • 基于遷移學(xué)習(xí)的藝術(shù)化風(fēng)格圖像的創(chuàng)作
      量不斷提高。遷移學(xué)習(xí)藝術(shù)化風(fēng)格圖像創(chuàng)作目的在于幫助人們對一些普通圖片進行處理,將其打造為符合人們審美觀的藝術(shù)作品,通過其人工智能的深度訓(xùn)練模式,能夠較為熟練和迅速的將圖片進行處理?;诖耍疚膶τ凇?span id="j5i0abt0b" class="hl">遷移學(xué)習(xí)的藝術(shù)化風(fēng)格圖像的創(chuàng)作”進行分析,希望可以為人工智能方向上有興趣的人們提供相應(yīng)幫助。關(guān)鍵詞:遷移學(xué)習(xí);人工智能;藝術(shù)化風(fēng)格圖像;創(chuàng)作人工智能中,最為重要的在于GPU芯片,GPU的主要作用是加速圖片處理,對數(shù)據(jù)量大且程序類型不復(fù)雜的程序能有很強大的運行能

      錦繡·中旬刊 2021年10期2021-08-23

    • 基于Resnet-101深度學(xué)習(xí)網(wǎng)絡(luò)的路面類型識別研究
      征。本文基于遷移學(xué)習(xí),通過Resnet-101深度學(xué)習(xí)網(wǎng)絡(luò)實現(xiàn)對路面類型進行識別,訓(xùn)練所得的模型對本文給出的四種路面類型的識別準(zhǔn)確率可達98.33%,相較于使用此前較為常用的Alexnet、GoogLenet等網(wǎng)絡(luò)有著較為明顯的提升,在相同的迭代次數(shù)的條件下,Resnet-101的準(zhǔn)確率較高,且在道路實車試驗中取得了良好的表現(xiàn)。關(guān)鍵詞:遷移學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 路面類型識別Research on Road Terrain Recognition based

      時代汽車 2021年16期2021-08-23

    • 生成式對抗網(wǎng)絡(luò)在自然語言處理中的應(yīng)用
      序列生成; 遷移學(xué)習(xí)文章編號: 2095-2163(2021)03-0181-05 中圖分類號:TP391;TH166 文獻標(biāo)志碼:A【Abstract】Generative Adversarial Networks (GAN) is a kind of simple generative model, for it does not rely on any prior probability and can generate real-like data

      智能計算機與應(yīng)用 2021年3期2021-08-09

    • VAE過采樣與遷移學(xué)習(xí)在網(wǎng)絡(luò)入侵檢測中的應(yīng)用
      測模型時采用遷移學(xué)習(xí)方法,先在過采樣后混合的數(shù)據(jù)集上預(yù)訓(xùn)練,再遷移到原數(shù)據(jù)集上進行訓(xùn)練,得到最終的檢測模型。在NSL-KDD數(shù)據(jù)集上進行實驗,網(wǎng)絡(luò)入侵檢測模型使用前饋神經(jīng)網(wǎng)絡(luò)。結(jié)果表明,基于深度學(xué)習(xí)的VAE過采樣方法比傳統(tǒng)的SMOTE過采樣方法要更加有效,提高了網(wǎng)絡(luò)入侵檢測模型準(zhǔn)確率3.23%。關(guān)鍵詞: 網(wǎng)絡(luò)入侵檢測; VAE; 遷移學(xué)習(xí); SMOTE; 不平衡數(shù)據(jù)中圖分類號:TP393.08? ? ? ? ? 文獻標(biāo)識碼:A? ? ? 文章編號:1006

      計算機時代 2021年7期2021-08-06

    • 基于k-means分割和遷移學(xué)習(xí)的番茄病理識別
      ans分割與遷移學(xué)習(xí)相結(jié)合,提出一種基于k-means分割和遷移學(xué)習(xí)的方法對番茄病害葉片進行識別。首先對原始圖像進行一系列預(yù)處理,再將處理后的圖像進行k-means分割,得到葉片邊緣的最小矩陣圖像,之后進行去噪處理,簡化突出圖像特征,再根據(jù)預(yù)處理后的圖像特點,優(yōu)化改進遷移的VGG16網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建 CNN 模型對預(yù)處理后圖像進行識別。結(jié)果顯示,通過分割后訓(xùn)練方式平均精度提升了0.37百分點,通過凍結(jié)遷移的VGG16網(wǎng)絡(luò)第1個卷積模塊并修改全連接層的方法提升

      江蘇農(nóng)業(yè)科學(xué) 2021年12期2021-08-02

    • 無刷直流電機匝間短路故障定位及 定量評估方法研究
      一種結(jié)合深度遷移學(xué)習(xí)和多維特征擬合方法,以實現(xiàn)匝間短路故障的精確定位和定量評估。同步采集電機定子繞組的三相電流信號,將一維電流信號轉(zhuǎn)化為圖像信號,采用基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)匝間短路故障的定位,在確定故障相之后,從電流信號中提取并篩選敏感特征,采用特征擬合方法實現(xiàn)故障等級的定量評估。實驗結(jié)果表明,所提出的方法能夠?qū)崿F(xiàn)100%精度的故障相定位,同時故障定量評估的相對平均誤差低至4.33%。該方法對于永磁電機系統(tǒng)的定子繞組故障精確定位和精密診斷具有潛在的

      河北科技大學(xué)學(xué)報 2021年3期2021-07-25

    • 基于遷移學(xué)習(xí)的網(wǎng)絡(luò)入侵檢測
      侵檢測模型;遷移學(xué)習(xí)一、引言如今,我們已經(jīng)進入了“互聯(lián)網(wǎng)+”社會,互聯(lián)網(wǎng)廣泛應(yīng)用在跨境電商、金融交易、在線學(xué)習(xí)、移動醫(yī)療、生活服務(wù)等領(lǐng)域,讓人們的生活更加便捷。與此同時,它也帶來了黑客的襲擊、信息泄露等網(wǎng)絡(luò)安全問題。而網(wǎng)絡(luò)入侵技術(shù)則是網(wǎng)絡(luò)技術(shù)不斷發(fā)展的成果,它能夠彌補傳統(tǒng)的網(wǎng)絡(luò)安全技術(shù)的不足,協(xié)助網(wǎng)絡(luò)用戶檢測網(wǎng)絡(luò)內(nèi)各種安全漏洞,對網(wǎng)絡(luò)設(shè)備及流量進行監(jiān)視和分析,并在發(fā)現(xiàn)入侵時發(fā)出警報。目前如何提高檢測技術(shù)的有效性、實用性、適應(yīng)性、可擴展性是網(wǎng)絡(luò)安全方面研究的

      消費電子 2021年6期2021-07-17

    • 遷移學(xué)習(xí)在活躍理工科課堂中的嘗試
      理,嘗試通過遷移學(xué)習(xí)方法,對課本知識點進行深度挖掘和廣度拓展,通過這兩個維度的剖析,深入淺出地進行知識講解,從而激發(fā)學(xué)生的學(xué)習(xí)熱情,引發(fā)學(xué)生的思考,改善知識傳授和技能提升效果。[關(guān)鍵詞] 遷移學(xué)習(xí);知識拓展;C語言程序設(shè)計;互動教學(xué)[基金項目] 2020年度國家自然科學(xué)基金青年科學(xué)基金項目“視頻中復(fù)雜交互集體行為識別及語義分析研究”(62002330)[作者簡介] 朱真峰(1980—),男,河南南陽人,博士,鄭州大學(xué)信息工程學(xué)院副教授,主要從事機器學(xué)習(xí)、數(shù)

      教育教學(xué)論壇 2021年16期2021-06-22

    • 基于DenseNet的帶鋼表面缺陷智能識別系統(tǒng)研究
      上搭建,采用遷移學(xué)習(xí)的方法對帶鋼表面的6種缺陷進行識別,訓(xùn)練過程中凍結(jié)基礎(chǔ)模型DenseNet的頂層部分,利用數(shù)據(jù)擴充、添加BN層防止過擬合。最終模型在訓(xùn)練集上的正確率為99.33%,在測試集上每一類缺陷的正確率均超過97%,其間繪制出混淆矩陣。最后,搭建缺陷識別系統(tǒng)的GUI界面,實現(xiàn)帶鋼表面缺陷識別的可視化功能,提高用戶體驗。關(guān)鍵詞:缺陷檢測;圖像識別;遷移學(xué)習(xí);DenseNet;GUI;PyQt5中圖分類號:TTH164;TP29文獻標(biāo)識碼:A 文章編

      河南科技 2021年3期2021-05-17

    • 基于遷移學(xué)習(xí)的注意力膠囊網(wǎng)絡(luò)
      網(wǎng)絡(luò),即基于遷移學(xué)習(xí)的注意力膠囊網(wǎng)絡(luò)。該網(wǎng)絡(luò)通過使用遷移學(xué)習(xí)的方法改進傳統(tǒng)的特征提取網(wǎng)絡(luò),并融合注意力機制模塊,進而完成圖像分類任務(wù)。首先,使用9層采用ELU激活函數(shù)的特征提取網(wǎng)絡(luò)提取特征;然后,將特征提取網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上訓(xùn)練所得參數(shù),通過遷移學(xué)習(xí)用于CIFAR10數(shù)據(jù)集上;再者,在特征提取網(wǎng)絡(luò)后加入注意力模塊提取關(guān)鍵特征;最后,在MNIST、FashionMNIST、SVHN和CIFAR10等公開數(shù)據(jù)集上進行了對比實驗。實驗結(jié)果表明,本文提

      智能計算機與應(yīng)用 2021年2期2021-05-11

    • 一種基于遷移學(xué)習(xí)的車道線檢測方法
      提出一種基于遷移學(xué)習(xí)的車道線檢測方法,用Darknet53替代原DeepLabv3+的特征提取網(wǎng)絡(luò)。針對圖片中車道線類與背景類分布極不平衡的問題,使用Focal Loss函數(shù)替代CE Loss函數(shù)。實驗結(jié)果表明,該方法的檢測效果比原網(wǎng)絡(luò)好,平均交并比達到76.95%,具有良好的準(zhǔn)確性。關(guān)鍵詞:車道線檢測;遷移學(xué)習(xí);DeepLabv3+中圖分類號:TP391.4? ? ? ? ? ? ? ? 文獻標(biāo)識碼:A文章編號:2096-4706(2021)20-008

      現(xiàn)代信息科技 2021年20期2021-05-09

    • 中餐主食圖像識別研究
      積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的方法,完成對共計20類中餐主食接近2萬張的圖片進行了訓(xùn)練和測試,得到了較為滿意的結(jié)果。將訓(xùn)練得到的網(wǎng)絡(luò)模型通過應(yīng)用框架進行了安卓平臺的移植開發(fā),實際應(yīng)用效果表現(xiàn)良好。關(guān)鍵詞:中餐主食;卷積神經(jīng)網(wǎng)絡(luò);遷移學(xué)習(xí);圖像識別;安卓平臺1 緒論近年來圖像的分類和識別技術(shù)被應(yīng)用于各個不同領(lǐng)域,如衛(wèi)生、交通、智能機器人和食品加工等。對圖像進行分類和識別的方法很多,其中最常用的為提取圖像的顏色、形狀、紋理等特征,然后將這些特征輸入到機器學(xué)習(xí)算法中進行

      電腦知識與技術(shù) 2021年5期2021-04-13

    • 多任務(wù)環(huán)境下融合遷移學(xué)習(xí)的新冠疫情新聞要素識別研究
      務(wù)環(huán)境下融合遷移學(xué)習(xí)的疫情新聞要素識別方法,向公眾提供面向應(yīng)急事件的知識服務(wù)。[方法/過程]首先,通過多任務(wù)識別新聞要素:基于規(guī)則識別時間要素;并融合模型遷移與深度學(xué)習(xí)方法,構(gòu)建跨領(lǐng)域的要素識別模型。在此基礎(chǔ)上,構(gòu)建疫情新聞要素的關(guān)聯(lián)數(shù)據(jù),以知識圖譜的方式展示各要素之間的關(guān)聯(lián)關(guān)系。[結(jié)果/結(jié)論]實驗結(jié)果表明,除藥物外的新聞要素的識別F1值均在80%以上,說明融合遷移學(xué)習(xí)的模型能夠取得較優(yōu)的識別效果;并且,關(guān)聯(lián)數(shù)據(jù)知識圖譜能夠直觀顯示新聞的重點要素及新聞的主

      知識管理論壇 2021年1期2021-04-06

    • 基于深度殘差網(wǎng)絡(luò)的玉米病害識別
      度殘差網(wǎng)絡(luò);遷移學(xué)習(xí)中圖分類號: TP391 文獻標(biāo)識碼: A 文章編號: 1000-4440(2021)01-0067-08Corn disease recognition based on deep residual networkLIU Ao-yu1, WU Yun-zhi1,2, ZHU Xiao-ning3, FAN Guo-hua1,2,YUE Yi1,2, ZHANG You-hua1,2(1.School of Information an

      江蘇農(nóng)業(yè)學(xué)報 2021年1期2021-03-25

    • 一種基于遷移學(xué)習(xí)的城市內(nèi)澇識別方法研究
      ,本研究采用遷移學(xué)習(xí)的方法對城市內(nèi)澇深度進行監(jiān)測。以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),通過將提取的特征向量集和標(biāo)注內(nèi)澇深度的數(shù)據(jù)集輸入LASSO模型中進行訓(xùn)練,計算出城市內(nèi)澇深度。同時,以江西省南昌市近5年來內(nèi)澇圖片數(shù)據(jù)為例進行實證檢驗。結(jié)果顯示,該方法預(yù)測結(jié)果與真實的內(nèi)澇水位偏差較小,與實際內(nèi)澇發(fā)生情況的吻合程度較高。因此,該方法能有效識別城市內(nèi)澇的真實情況,對應(yīng)對頻發(fā)的城市洪水災(zāi)害問題具有重要意義。關(guān)鍵詞:遷移學(xué)習(xí);城市內(nèi)澇;卷積神經(jīng)網(wǎng)絡(luò);圖像識別中圖分類號:TP1

      河南科技 2021年28期2021-03-10

    • 基于STEM的初中學(xué)生算法思想建構(gòu)的策略研究
      材思想、引導(dǎo)遷移學(xué)習(xí)這三個層次實施建構(gòu)算法思想的策略。本研究致力于幫助學(xué)生建構(gòu)算法思想,提升解決問題的能力,養(yǎng)成科學(xué)的思維方式。【關(guān)鍵詞】算法思想;直覺思考;遷移學(xué)習(xí)中圖分類號:G633? ? ? 文獻標(biāo)識碼:A? ? ? 文章編號:0493-2099(2021)03-0072-03【Abstract】Algorithm is the basis of computer science, algorithm idea refers to according

      天津教育·下 2021年1期2021-03-08

    • 聯(lián)合遷移學(xué)習(xí)和深度學(xué)習(xí)的側(cè)掃聲吶沉船識別方法
      提出一種聯(lián)合遷移學(xué)習(xí)和深度學(xué)習(xí)的沉船側(cè)掃聲吶圖像識別方法。在不采用遷移學(xué)習(xí)的情況下,用沉船聲吶樣本數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò),將結(jié)果保存作為對照組。應(yīng)用弱相關(guān)數(shù)據(jù)集,對網(wǎng)絡(luò)進行訓(xùn)練,然后將網(wǎng)絡(luò)參數(shù)遷移到新網(wǎng)絡(luò)中,再使用沉船聲吶樣本數(shù)據(jù)集訓(xùn)練;應(yīng)用強相關(guān)數(shù)據(jù)集重復(fù)上述步驟。在AlexNet網(wǎng)絡(luò)結(jié)構(gòu)上進行試驗,試驗結(jié)果表明:在未遷移的情況下,正確率為70.58%;應(yīng)用弱相關(guān)數(shù)據(jù)集訓(xùn)練,正確率為74.51%;應(yīng)用強相關(guān)數(shù)據(jù)集訓(xùn)練,正確率為80.39%。試驗證明,遷移學(xué)習(xí)算法

      河南科技 2021年36期2021-03-08

    • 基于目標(biāo)檢測和遷移學(xué)習(xí)的電成像測井裂縫識別
      ;YOLO;遷移學(xué)習(xí)中圖分類號:TP391? ? ? 文獻標(biāo)識碼:A文章編號:1009-3044(2021)36-0032-05開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):1 引言一直以來,裂縫性儲層都是勘探的難點和重點,裂縫的導(dǎo)流程度對油氣井的產(chǎn)出情況有很大的影響,在采油過程中,裂縫和半裂縫的識別是非常重要的。地質(zhì)勘探工作中,反映裂縫信息較多的是成像測井圖像,傳統(tǒng)的人工拾取裂縫的方法工作量大,且存在較大誤差,所以需要提出一種智能提取裂縫,且對其進行準(zhǔn)確識別的

      電腦知識與技術(shù) 2021年36期2021-03-07

    www.自偷自拍.com| 99久国产av精品| 精品久久久久久久人妻蜜臀av| 看片在线看免费视频| 天天添夜夜摸| 日本精品一区二区三区蜜桃| 国产精品影院久久| 一二三四在线观看免费中文在| 香蕉久久夜色| 美女 人体艺术 gogo| 欧美成狂野欧美在线观看| 久久精品91无色码中文字幕| 90打野战视频偷拍视频| 午夜日韩欧美国产| 欧洲精品卡2卡3卡4卡5卡区| 国产成人av教育| 国产亚洲av嫩草精品影院| 一二三四社区在线视频社区8| 久久久成人免费电影| av中文乱码字幕在线| 久久精品人妻少妇| 1000部很黄的大片| 欧美三级亚洲精品| 又紧又爽又黄一区二区| 亚洲国产精品合色在线| 91九色精品人成在线观看| 校园春色视频在线观看| 狂野欧美激情性xxxx| 老司机午夜十八禁免费视频| 99久久精品国产亚洲精品| 免费看十八禁软件| 亚洲乱码一区二区免费版| 搡老熟女国产l中国老女人| 国产激情偷乱视频一区二区| 高潮久久久久久久久久久不卡| 精品久久久久久久久久免费视频| 99热这里只有精品一区 | 亚洲av五月六月丁香网| 一区福利在线观看| 国产欧美日韩精品一区二区| 黄片大片在线免费观看| 精品国产乱码久久久久久男人| 亚洲精品美女久久av网站| 国产精品免费一区二区三区在线| 天堂动漫精品| 宅男免费午夜| 久久这里只有精品中国| av欧美777| 中文字幕人成人乱码亚洲影| 午夜福利欧美成人| 亚洲成人精品中文字幕电影| 午夜免费成人在线视频| 日韩免费av在线播放| 午夜福利高清视频| 欧美又色又爽又黄视频| 日本五十路高清| 免费观看人在逋| 深夜精品福利| 男女床上黄色一级片免费看| 欧美黄色片欧美黄色片| 在线视频色国产色| 搡老岳熟女国产| 欧美+亚洲+日韩+国产| 窝窝影院91人妻| 国内精品久久久久精免费| 国产 一区 欧美 日韩| 国产 一区 欧美 日韩| 黑人欧美特级aaaaaa片| 中文在线观看免费www的网站| 淫妇啪啪啪对白视频| 精品国内亚洲2022精品成人| 国产综合懂色| 国产视频内射| 久久久久亚洲av毛片大全| 亚洲成人久久性| 国产精品亚洲一级av第二区| 国产精品1区2区在线观看.| 久久香蕉精品热| xxx96com| 亚洲中文日韩欧美视频| 一区二区三区激情视频| 免费电影在线观看免费观看| 男女之事视频高清在线观看| 99久国产av精品| 国产成人精品久久二区二区免费| 久久精品亚洲精品国产色婷小说| 久久热在线av| 久久久成人免费电影| 村上凉子中文字幕在线| 久久精品国产亚洲av香蕉五月| 久久婷婷人人爽人人干人人爱| 久久这里只有精品中国| 岛国在线免费视频观看| 国产精品久久久久久精品电影| 嫩草影院入口| 亚洲av熟女| 波多野结衣高清作品| 午夜福利免费观看在线| 亚洲黑人精品在线| 亚洲欧美日韩高清专用| av女优亚洲男人天堂 | 亚洲av电影在线进入| АⅤ资源中文在线天堂| 哪里可以看免费的av片| 亚洲无线在线观看| 最近最新中文字幕大全免费视频| 亚洲成av人片免费观看| 亚洲avbb在线观看| 国产亚洲精品av在线| 悠悠久久av| 国产精品香港三级国产av潘金莲| 一个人免费在线观看电影 | 岛国在线观看网站| www.自偷自拍.com| 波多野结衣高清作品| 香蕉丝袜av| 一进一出抽搐动态| 最新在线观看一区二区三区| 欧美乱妇无乱码| 两人在一起打扑克的视频| 女人被狂操c到高潮| 两性夫妻黄色片| 很黄的视频免费| 特大巨黑吊av在线直播| 久久午夜综合久久蜜桃| 午夜日韩欧美国产| 国产乱人伦免费视频| 麻豆成人av在线观看| 欧美又色又爽又黄视频| 最新中文字幕久久久久 | 在线国产一区二区在线| 搞女人的毛片| 白带黄色成豆腐渣| 亚洲av成人一区二区三| 色综合婷婷激情| 九九在线视频观看精品| 大型黄色视频在线免费观看| 国产免费av片在线观看野外av| 床上黄色一级片| 欧美xxxx黑人xx丫x性爽| 久久性视频一级片| 成人亚洲精品av一区二区| 观看免费一级毛片| 免费一级毛片在线播放高清视频| 日韩精品中文字幕看吧| 一二三四在线观看免费中文在| 一进一出抽搐gif免费好疼| 国产高清视频在线播放一区| 国产三级在线视频| 亚洲va日本ⅴa欧美va伊人久久| 手机成人av网站| 亚洲成人免费电影在线观看| 在线观看免费视频日本深夜| 日本成人三级电影网站| 精品免费久久久久久久清纯| 午夜福利视频1000在线观看| 少妇的丰满在线观看| 久久久久精品国产欧美久久久| 搡老熟女国产l中国老女人| 动漫黄色视频在线观看| 亚洲国产精品sss在线观看| 中文字幕人妻丝袜一区二区| 亚洲精品色激情综合| 99国产精品一区二区蜜桃av| 两性夫妻黄色片| 91在线精品国自产拍蜜月 | 国产精品一区二区三区四区免费观看 | 两个人视频免费观看高清| 美女大奶头视频| 99国产极品粉嫩在线观看| 白带黄色成豆腐渣| 韩国av一区二区三区四区| 变态另类成人亚洲欧美熟女| 国内少妇人妻偷人精品xxx网站 | 舔av片在线| 精品国产乱码久久久久久男人| 久久九九热精品免费| 97超级碰碰碰精品色视频在线观看| 欧美一级毛片孕妇| 国产av一区在线观看免费| 欧美成人免费av一区二区三区| 九色国产91popny在线| 脱女人内裤的视频| 99久久精品一区二区三区| 亚洲最大成人中文| 黑人巨大精品欧美一区二区mp4| 色哟哟哟哟哟哟| 黄色女人牲交| 1024香蕉在线观看| 色哟哟哟哟哟哟| 熟妇人妻久久中文字幕3abv| av天堂中文字幕网| 在线观看免费视频日本深夜| 国产高潮美女av| 少妇人妻一区二区三区视频| 国产高清激情床上av| 国产精品综合久久久久久久免费| 国产伦一二天堂av在线观看| 中文资源天堂在线| 老熟妇乱子伦视频在线观看| 亚洲成人免费电影在线观看| 日本五十路高清| 男人舔女人下体高潮全视频| 久久精品影院6| 免费观看人在逋| 国产精品久久久久久人妻精品电影| 狂野欧美白嫩少妇大欣赏| 精品久久久久久久久久久久久| 欧美绝顶高潮抽搐喷水| 精品一区二区三区视频在线观看免费| 91字幕亚洲| 国产精品一区二区精品视频观看| 久久精品亚洲精品国产色婷小说| 一个人看视频在线观看www免费 | 亚洲精品一区av在线观看| 男女下面进入的视频免费午夜| 亚洲18禁久久av| a级毛片a级免费在线| 久久中文字幕一级| 一本久久中文字幕| 最新在线观看一区二区三区| 亚洲第一电影网av| 亚洲无线观看免费| 日韩国内少妇激情av| 白带黄色成豆腐渣| 国产精品综合久久久久久久免费| 亚洲18禁久久av| 欧美乱妇无乱码| 精品久久久久久久久久久久久| 99热精品在线国产| 动漫黄色视频在线观看| 久久久国产欧美日韩av| 啦啦啦免费观看视频1| 亚洲无线在线观看| 日韩欧美一区二区三区在线观看| 成人高潮视频无遮挡免费网站| 日韩成人在线观看一区二区三区| 亚洲九九香蕉| 操出白浆在线播放| 99热精品在线国产| 久久久久久人人人人人| 亚洲av免费在线观看| 亚洲精品久久国产高清桃花| 日韩欧美国产在线观看| 国产黄片美女视频| 少妇丰满av| 天天添夜夜摸| 国内精品久久久久久久电影| 日日摸夜夜添夜夜添小说| 老汉色∧v一级毛片| 亚洲av成人av| 欧美乱妇无乱码| 淫妇啪啪啪对白视频| 不卡一级毛片| 日韩三级视频一区二区三区| 后天国语完整版免费观看| 精品一区二区三区av网在线观看| 国产视频一区二区在线看| 国产私拍福利视频在线观看| 丝袜人妻中文字幕| 黑人欧美特级aaaaaa片| 每晚都被弄得嗷嗷叫到高潮| 色综合亚洲欧美另类图片| 日本 欧美在线| 人妻久久中文字幕网| 精品久久久久久久人妻蜜臀av| 变态另类成人亚洲欧美熟女| 一级a爱片免费观看的视频| 国产精品 国内视频| 最近最新中文字幕大全电影3| 中文亚洲av片在线观看爽| 男女做爰动态图高潮gif福利片| 丝袜人妻中文字幕| 免费观看精品视频网站| 亚洲av成人不卡在线观看播放网| av在线天堂中文字幕| 欧美另类亚洲清纯唯美| 国产午夜福利久久久久久| 欧美性猛交╳xxx乱大交人| 久久伊人香网站| 黄色 视频免费看| 国内毛片毛片毛片毛片毛片| 高清在线国产一区| 精品电影一区二区在线| 日韩欧美免费精品| 久久午夜综合久久蜜桃| 国产av在哪里看| 国产高清有码在线观看视频| aaaaa片日本免费| 亚洲va日本ⅴa欧美va伊人久久| 国产精品av视频在线免费观看| 午夜福利视频1000在线观看| 淫妇啪啪啪对白视频| 午夜影院日韩av| 日日干狠狠操夜夜爽| 美女 人体艺术 gogo| 久久久久国产精品人妻aⅴ院| 香蕉av资源在线| 国产成人av教育| 国产精品1区2区在线观看.| 国产精品九九99| 精品午夜福利视频在线观看一区| 麻豆成人av在线观看| 亚洲av日韩精品久久久久久密| 国产69精品久久久久777片 | www日本黄色视频网| 男人的好看免费观看在线视频| 小蜜桃在线观看免费完整版高清| 91av网一区二区| 一边摸一边抽搐一进一小说| 精品久久久久久久人妻蜜臀av| 美女大奶头视频| 亚洲精华国产精华精| 一本精品99久久精品77| 久久欧美精品欧美久久欧美| 欧美激情在线99| 欧美极品一区二区三区四区| 夜夜躁狠狠躁天天躁| 日本五十路高清| 欧美性猛交╳xxx乱大交人| 成年女人毛片免费观看观看9| 在线观看66精品国产| 国产午夜精品久久久久久| 99久久精品国产亚洲精品| 欧美激情久久久久久爽电影| 精品乱码久久久久久99久播| 好男人在线观看高清免费视频| 看片在线看免费视频| 国产成人系列免费观看| 国产黄色小视频在线观看| 午夜福利成人在线免费观看| 久久精品亚洲精品国产色婷小说| 亚洲 欧美 日韩 在线 免费| 欧美日韩瑟瑟在线播放| 久久精品影院6| 国产成人aa在线观看| 亚洲av成人一区二区三| 久久亚洲精品不卡| tocl精华| 夜夜看夜夜爽夜夜摸| 一夜夜www| 一本综合久久免费| 国产欧美日韩精品亚洲av| 国产高清三级在线| av中文乱码字幕在线| 亚洲欧美日韩高清专用| 成年女人看的毛片在线观看| 国产高清有码在线观看视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲av成人av| 一本精品99久久精品77| 亚洲 欧美 日韩 在线 免费| 国产精品日韩av在线免费观看| 女生性感内裤真人,穿戴方法视频| 老司机深夜福利视频在线观看| 成年女人看的毛片在线观看| 亚洲国产欧美人成| 熟女人妻精品中文字幕| 在线观看66精品国产| av在线天堂中文字幕| 久久久久久久久中文| 亚洲美女黄片视频| 首页视频小说图片口味搜索| 三级国产精品欧美在线观看 | 99久久国产精品久久久| 不卡一级毛片| 夜夜爽天天搞| 国产精品国产高清国产av| 国产成人福利小说| 99久久精品一区二区三区| 日韩欧美一区二区三区在线观看| 最近最新中文字幕大全电影3| 免费看a级黄色片| 两人在一起打扑克的视频| 欧美日韩精品网址| 99久久无色码亚洲精品果冻| 免费av不卡在线播放| 亚洲九九香蕉| 熟妇人妻久久中文字幕3abv| 久久久国产精品麻豆| 中文字幕高清在线视频| 老汉色av国产亚洲站长工具| 啦啦啦韩国在线观看视频| 99久久精品热视频| 制服人妻中文乱码| 国产精品av视频在线免费观看| 久久伊人香网站| 亚洲专区中文字幕在线| 18禁黄网站禁片午夜丰满| 午夜福利高清视频| 国产淫片久久久久久久久 | 亚洲在线观看片| 国产精品一及| 国产v大片淫在线免费观看| 亚洲成人中文字幕在线播放| e午夜精品久久久久久久| 无遮挡黄片免费观看| 99精品久久久久人妻精品| 午夜两性在线视频| 欧美成狂野欧美在线观看| 网址你懂的国产日韩在线| 国产精品久久视频播放| 在线十欧美十亚洲十日本专区| 精品免费久久久久久久清纯| 久久久久免费精品人妻一区二区| 天天添夜夜摸| 亚洲中文日韩欧美视频| 久久久成人免费电影| 亚洲无线在线观看| 2021天堂中文幕一二区在线观| 亚洲无线在线观看| 成年女人毛片免费观看观看9| 日韩大尺度精品在线看网址| 亚洲一区二区三区色噜噜| 久久九九热精品免费| 免费一级毛片在线播放高清视频| 久久久水蜜桃国产精品网| 可以在线观看毛片的网站| 亚洲,欧美精品.| 一级毛片女人18水好多| 久久久久久久久久黄片| 真人做人爱边吃奶动态| 日本精品一区二区三区蜜桃| 少妇的逼水好多| 90打野战视频偷拍视频| 国产av麻豆久久久久久久| ponron亚洲| 女生性感内裤真人,穿戴方法视频| 中文在线观看免费www的网站| 99精品欧美一区二区三区四区| 国内精品久久久久精免费| 色综合站精品国产| 91在线观看av| 免费人成视频x8x8入口观看| 熟妇人妻久久中文字幕3abv| 色精品久久人妻99蜜桃| 黑人巨大精品欧美一区二区mp4| 国产一区二区在线av高清观看| 亚洲av成人精品一区久久| 丰满的人妻完整版| 天堂网av新在线| 久久久国产欧美日韩av| 99久久综合精品五月天人人| 午夜福利高清视频| 免费在线观看亚洲国产| 欧美大码av| 男女做爰动态图高潮gif福利片| 久久久久精品国产欧美久久久| 精品久久久久久,| av片东京热男人的天堂| 97碰自拍视频| 午夜福利成人在线免费观看| 国产一区在线观看成人免费| 久久国产精品人妻蜜桃| 国产主播在线观看一区二区| 成熟少妇高潮喷水视频| 丰满的人妻完整版| 亚洲天堂国产精品一区在线| 久久久久久国产a免费观看| 99热精品在线国产| 91av网站免费观看| 久久午夜综合久久蜜桃| 岛国视频午夜一区免费看| 99国产精品99久久久久| 欧美日韩中文字幕国产精品一区二区三区| 免费看光身美女| 国产精品九九99| 又黄又粗又硬又大视频| 床上黄色一级片| 中文字幕久久专区| 老汉色av国产亚洲站长工具| 脱女人内裤的视频| 床上黄色一级片| 一级毛片女人18水好多| 国产av不卡久久| 午夜精品一区二区三区免费看| 日韩欧美三级三区| 91在线观看av| 国产精品久久视频播放| 99国产精品一区二区三区| 少妇裸体淫交视频免费看高清| 黄色成人免费大全| 日本 欧美在线| av在线蜜桃| 亚洲国产精品成人综合色| 精品国产亚洲在线| 69av精品久久久久久| 久久久久国产精品人妻aⅴ院| 桃红色精品国产亚洲av| 亚洲熟女毛片儿| 热99re8久久精品国产| 又紧又爽又黄一区二区| 在线观看日韩欧美| 日本免费一区二区三区高清不卡| av片东京热男人的天堂| 一进一出好大好爽视频| 久久久久精品国产欧美久久久| 国产精品九九99| 国内久久婷婷六月综合欲色啪| 国产欧美日韩一区二区三| 亚洲av中文字字幕乱码综合| 国产一区二区激情短视频| 在线十欧美十亚洲十日本专区| 欧美一区二区国产精品久久精品| 免费一级毛片在线播放高清视频| 两个人视频免费观看高清| 亚洲国产精品合色在线| 1024手机看黄色片| 国产亚洲av高清不卡| 1024手机看黄色片| 亚洲国产精品sss在线观看| 老司机午夜十八禁免费视频| 久久久成人免费电影| 在线播放国产精品三级| 亚洲美女视频黄频| 日韩欧美国产在线观看| 亚洲熟妇中文字幕五十中出| 一个人看视频在线观看www免费 | 日韩精品中文字幕看吧| 欧美乱妇无乱码| 村上凉子中文字幕在线| 精品久久蜜臀av无| 岛国视频午夜一区免费看| 久久久久精品国产欧美久久久| 亚洲av日韩精品久久久久久密| 欧美不卡视频在线免费观看| 久久天躁狠狠躁夜夜2o2o| 我的老师免费观看完整版| 精品一区二区三区视频在线 | 久久久国产精品麻豆| 91九色精品人成在线观看| 久久久久久久精品吃奶| 国产乱人伦免费视频| 国内毛片毛片毛片毛片毛片| 母亲3免费完整高清在线观看| 99久久国产精品久久久| 成年女人看的毛片在线观看| 男人的好看免费观看在线视频| 国产精华一区二区三区| 国产激情久久老熟女| 精品久久蜜臀av无| 亚洲精品在线美女| 俺也久久电影网| 日本黄色视频三级网站网址| 午夜福利视频1000在线观看| 国内精品美女久久久久久| 香蕉国产在线看| 欧美日韩综合久久久久久 | 91字幕亚洲| 制服丝袜大香蕉在线| 18美女黄网站色大片免费观看| 日韩国内少妇激情av| 免费看美女性在线毛片视频| 国产精华一区二区三区| 国内精品一区二区在线观看| 国产精品女同一区二区软件 | 日韩欧美精品v在线| 黄片大片在线免费观看| 日本五十路高清| 九色国产91popny在线| 少妇裸体淫交视频免费看高清| 亚洲欧美日韩东京热| 午夜精品在线福利| 丁香欧美五月| 黑人欧美特级aaaaaa片| 亚洲中文av在线| 国产伦在线观看视频一区| 最近视频中文字幕2019在线8| 脱女人内裤的视频| a级毛片a级免费在线| 中文字幕高清在线视频| 国产高清有码在线观看视频| ponron亚洲| 国内久久婷婷六月综合欲色啪| 久久精品国产清高在天天线| 91在线观看av| 成年人黄色毛片网站| 丁香欧美五月| 最近最新中文字幕大全电影3| 欧美日韩乱码在线| 12—13女人毛片做爰片一| 99久久精品国产亚洲精品| 88av欧美| 曰老女人黄片| x7x7x7水蜜桃| 午夜福利欧美成人| 久久久久久久久中文| 一本久久中文字幕| 老熟妇仑乱视频hdxx| 夜夜夜夜夜久久久久| 久久精品国产清高在天天线| 一本综合久久免费| 免费看十八禁软件| 精品人妻1区二区| 国产 一区 欧美 日韩| 久久久国产精品麻豆| 曰老女人黄片| 热99re8久久精品国产| 在线免费观看的www视频| 91麻豆av在线| 一a级毛片在线观看| 国产精品野战在线观看| 18禁裸乳无遮挡免费网站照片| 精品一区二区三区视频在线观看免费| 黄色片一级片一级黄色片| 国产精品久久久久久精品电影| 中文资源天堂在线| 亚洲黑人精品在线| 最好的美女福利视频网| 欧美日韩亚洲国产一区二区在线观看| 露出奶头的视频| 亚洲自偷自拍图片 自拍| 女警被强在线播放| 精品人妻1区二区| 脱女人内裤的视频|