• <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

    在线免费观看的www视频| 亚洲精品国产色婷婷电影| 真人一进一出gif抽搐免费| 大陆偷拍与自拍| 亚洲男人天堂网一区| 美女大奶头视频| 国产高清视频在线播放一区| 久久香蕉精品热| 欧美国产精品va在线观看不卡| 亚洲人成电影免费在线| 国产黄色免费在线视频| 国产有黄有色有爽视频| 久热这里只有精品99| 久久婷婷成人综合色麻豆| 啦啦啦在线免费观看视频4| 久久热在线av| 亚洲第一欧美日韩一区二区三区| 久久人妻熟女aⅴ| 国产精品二区激情视频| 99re在线观看精品视频| 国产亚洲精品久久久久久毛片| 正在播放国产对白刺激| 亚洲成a人片在线一区二区| 亚洲性夜色夜夜综合| 亚洲片人在线观看| 18禁观看日本| 成人av一区二区三区在线看| 久久精品亚洲熟妇少妇任你| 9191精品国产免费久久| 看免费av毛片| 黄色丝袜av网址大全| 中出人妻视频一区二区| 99热国产这里只有精品6| 午夜精品久久久久久毛片777| 51午夜福利影视在线观看| 成在线人永久免费视频| 黄色视频不卡| 80岁老熟妇乱子伦牲交| 亚洲精品久久成人aⅴ小说| 国产又爽黄色视频| 亚洲自拍偷在线| 国产亚洲精品第一综合不卡| 日韩欧美国产一区二区入口| 免费在线观看影片大全网站| 动漫黄色视频在线观看| 久久香蕉精品热| 日本黄色视频三级网站网址| 老司机在亚洲福利影院| 免费日韩欧美在线观看| 丝袜美足系列| 中文字幕高清在线视频| 我的亚洲天堂| 一区在线观看完整版| 一夜夜www| 亚洲精品在线观看二区| 黄色 视频免费看| 超碰97精品在线观看| 动漫黄色视频在线观看| 亚洲三区欧美一区| 国产亚洲精品一区二区www| 色综合婷婷激情| 精品高清国产在线一区| 国产精品野战在线观看 | 一本大道久久a久久精品| 一级毛片女人18水好多| 正在播放国产对白刺激| 高清在线国产一区| 国产人伦9x9x在线观看| 搡老乐熟女国产| 一级毛片女人18水好多| 久久人人爽av亚洲精品天堂| 精品国产乱子伦一区二区三区| 亚洲欧美精品综合久久99| 嫁个100分男人电影在线观看| 丝袜美足系列| 久久 成人 亚洲| 丁香六月欧美| 成人亚洲精品av一区二区 | 中文字幕最新亚洲高清| 日本vs欧美在线观看视频| 久久精品成人免费网站| 国产精品久久久人人做人人爽| 亚洲成人久久性| 日韩国内少妇激情av| 日日夜夜操网爽| 色综合欧美亚洲国产小说| 国产亚洲欧美98| 很黄的视频免费| 日本撒尿小便嘘嘘汇集6| 国产精华一区二区三区| 欧美日韩乱码在线| 嫩草影院精品99| 天天添夜夜摸| 成人免费观看视频高清| 亚洲精品粉嫩美女一区| 欧美午夜高清在线| 亚洲av成人不卡在线观看播放网| 午夜91福利影院| 美女福利国产在线| 亚洲精品av麻豆狂野| 丁香六月欧美| 男男h啪啪无遮挡| 久久影院123| 黄色丝袜av网址大全| 国产高清videossex| 日本vs欧美在线观看视频| 久99久视频精品免费| 午夜精品在线福利| 国产精品成人在线| 久久午夜亚洲精品久久| 人人妻人人澡人人看| 国产区一区二久久| 久久久久国产一级毛片高清牌| 色婷婷av一区二区三区视频| 99精品久久久久人妻精品| 在线看a的网站| 18禁美女被吸乳视频| 丝袜美腿诱惑在线| 黄色视频,在线免费观看| 宅男免费午夜| 在线永久观看黄色视频| 日韩欧美一区视频在线观看| 男女午夜视频在线观看| 波多野结衣av一区二区av| 精品一品国产午夜福利视频| 国产蜜桃级精品一区二区三区| 欧美+亚洲+日韩+国产| 最好的美女福利视频网| 国产av在哪里看| 欧美+亚洲+日韩+国产| 久久人人精品亚洲av| 欧美av亚洲av综合av国产av| 每晚都被弄得嗷嗷叫到高潮| 老汉色∧v一级毛片| 又紧又爽又黄一区二区| 久久久久久免费高清国产稀缺| 777久久人妻少妇嫩草av网站| 97人妻天天添夜夜摸| 在线观看www视频免费| 精品国产亚洲在线| 超碰97精品在线观看| 亚洲 国产 在线| av中文乱码字幕在线| 久久国产乱子伦精品免费另类| 欧美在线黄色| 久久精品国产亚洲av香蕉五月| 国产一区在线观看成人免费| 岛国视频午夜一区免费看| 深夜精品福利| 啦啦啦 在线观看视频| 99精国产麻豆久久婷婷| 91av网站免费观看| 国产伦人伦偷精品视频| 视频在线观看一区二区三区| 国产国语露脸激情在线看| e午夜精品久久久久久久| 狂野欧美激情性xxxx| 国产精品久久电影中文字幕| svipshipincom国产片| 成人18禁高潮啪啪吃奶动态图| 欧美另类亚洲清纯唯美| 免费av中文字幕在线| 黄片播放在线免费| 国产亚洲精品综合一区在线观看 | 国内久久婷婷六月综合欲色啪| 如日韩欧美国产精品一区二区三区| 久久久久国内视频| 天堂√8在线中文| 少妇裸体淫交视频免费看高清 | 亚洲欧美一区二区三区久久| 亚洲欧美日韩高清在线视频| 久久人妻av系列| 久久青草综合色| 一级毛片女人18水好多| 看黄色毛片网站| 9191精品国产免费久久| 欧美日韩av久久| 亚洲精品国产区一区二| 国产三级在线视频| 日本欧美视频一区| 他把我摸到了高潮在线观看| 90打野战视频偷拍视频| 在线看a的网站| 亚洲五月婷婷丁香| 久久这里只有精品19| 色尼玛亚洲综合影院| xxxhd国产人妻xxx| 免费日韩欧美在线观看| 国产精品99久久99久久久不卡| 成人永久免费在线观看视频| 国产免费男女视频| 少妇 在线观看| 99国产极品粉嫩在线观看| 在线观看一区二区三区激情| 亚洲国产毛片av蜜桃av| 一进一出好大好爽视频| 亚洲精品国产精品久久久不卡| 亚洲熟妇熟女久久| 俄罗斯特黄特色一大片| 桃红色精品国产亚洲av| 性少妇av在线| 久久热在线av| 亚洲一区二区三区不卡视频| 一进一出抽搐gif免费好疼 | 精品福利永久在线观看| 91国产中文字幕| 97超级碰碰碰精品色视频在线观看| 无人区码免费观看不卡| 国产精品永久免费网站| 亚洲精品av麻豆狂野| 又紧又爽又黄一区二区| 久久人人97超碰香蕉20202| 一区福利在线观看| 涩涩av久久男人的天堂| 岛国视频午夜一区免费看| 国产精品久久久久久人妻精品电影| 大陆偷拍与自拍| 在线观看免费日韩欧美大片| 成熟少妇高潮喷水视频| 欧美最黄视频在线播放免费 | 国产亚洲av高清不卡| 身体一侧抽搐| 亚洲精品在线观看二区| 在线免费观看的www视频| 国产成人精品久久二区二区91| 大香蕉久久成人网| 欧美黄色淫秽网站| 国产人伦9x9x在线观看| 精品久久久精品久久久| 变态另类成人亚洲欧美熟女 | 欧美乱码精品一区二区三区| 欧美国产精品va在线观看不卡| 亚洲成人免费电影在线观看| 免费看a级黄色片| 欧美黄色片欧美黄色片| 亚洲av第一区精品v没综合| 久99久视频精品免费| 久久人人爽av亚洲精品天堂| 日韩国内少妇激情av| 午夜视频精品福利| 久久国产精品男人的天堂亚洲| 国产av一区二区精品久久| 天天添夜夜摸| 国产色视频综合| 亚洲精品国产一区二区精华液| 亚洲精品国产色婷婷电影| 搡老熟女国产l中国老女人| 国产精品99久久99久久久不卡| 黑人巨大精品欧美一区二区mp4| 妹子高潮喷水视频| 男人舔女人下体高潮全视频| 亚洲熟妇中文字幕五十中出 | 国产精品电影一区二区三区| 久久久久久久久中文| 激情视频va一区二区三区| 天天躁狠狠躁夜夜躁狠狠躁| 深夜精品福利| 1024视频免费在线观看| 久久久国产成人精品二区 | 无遮挡黄片免费观看| 十八禁网站免费在线| 色精品久久人妻99蜜桃| 成人黄色视频免费在线看| 长腿黑丝高跟| 亚洲午夜理论影院| 久热这里只有精品99| 国产又色又爽无遮挡免费看| 日韩成人在线观看一区二区三区| 国产精品一区二区免费欧美| 国产高清激情床上av| 亚洲欧美日韩无卡精品| 亚洲精品美女久久av网站| 日韩高清综合在线| 91麻豆av在线| 久久久久久久久中文| 妹子高潮喷水视频| 精品国产一区二区三区四区第35| 在线观看一区二区三区| 露出奶头的视频| 制服诱惑二区| 国产aⅴ精品一区二区三区波| 国产1区2区3区精品| 国产亚洲精品久久久久久毛片| 色在线成人网| 久久精品影院6| 久久中文字幕人妻熟女| 国产精品美女特级片免费视频播放器 | 国产亚洲精品第一综合不卡| 久久精品影院6| 在线观看日韩欧美| 国产高清videossex| 9热在线视频观看99| 嫩草影视91久久| 深夜精品福利| 狠狠狠狠99中文字幕| 99热国产这里只有精品6| 亚洲欧洲精品一区二区精品久久久| 成人永久免费在线观看视频| 久久久久久人人人人人| 两个人免费观看高清视频| 长腿黑丝高跟| 欧美成狂野欧美在线观看| 一级片'在线观看视频| 欧美性长视频在线观看| 波多野结衣av一区二区av| 国产精品爽爽va在线观看网站 | 久久中文字幕人妻熟女| a在线观看视频网站| 黄色丝袜av网址大全| 久久久久国产精品人妻aⅴ院| 老汉色∧v一级毛片| 日本欧美视频一区| 精品久久久久久久毛片微露脸| 久久亚洲真实| 91麻豆av在线| 91九色精品人成在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲成a人片在线一区二区| 国产aⅴ精品一区二区三区波| 777久久人妻少妇嫩草av网站| 午夜影院日韩av| 午夜亚洲福利在线播放| 中文字幕色久视频| 亚洲专区字幕在线| 欧美在线黄色| av超薄肉色丝袜交足视频| 最新美女视频免费是黄的| 九色亚洲精品在线播放| 亚洲视频免费观看视频| 久久九九热精品免费| 国产成人av激情在线播放| 精品电影一区二区在线| 女生性感内裤真人,穿戴方法视频| 欧美日韩视频精品一区| 亚洲午夜理论影院| 波多野结衣av一区二区av| 国产伦人伦偷精品视频| 老司机午夜十八禁免费视频| 日韩免费高清中文字幕av| 在线观看免费视频网站a站| 亚洲五月天丁香| 亚洲avbb在线观看| 久久香蕉精品热| 国产精品影院久久| 国产成人精品久久二区二区91| 日本vs欧美在线观看视频| 欧美国产精品va在线观看不卡| 日本欧美视频一区| 色精品久久人妻99蜜桃| 亚洲精品久久午夜乱码| 色在线成人网| 日韩大码丰满熟妇| 国产99久久九九免费精品| 神马国产精品三级电影在线观看 | 男女之事视频高清在线观看| av网站在线播放免费| 黑人巨大精品欧美一区二区mp4| 两个人免费观看高清视频| 欧美精品一区二区免费开放| 免费一级毛片在线播放高清视频 | 男女午夜视频在线观看| 99国产精品一区二区蜜桃av| 黄色丝袜av网址大全| 欧美激情久久久久久爽电影 | 亚洲成人精品中文字幕电影 | 久久久精品国产亚洲av高清涩受| 日日夜夜操网爽| 午夜免费成人在线视频| av在线天堂中文字幕 | av国产精品久久久久影院| 91字幕亚洲| 黄色视频,在线免费观看| 美女扒开内裤让男人捅视频| 亚洲五月色婷婷综合| 成人特级黄色片久久久久久久| 大型黄色视频在线免费观看| 91精品三级在线观看| 热99re8久久精品国产| 九色亚洲精品在线播放| 日本黄色日本黄色录像| 美女扒开内裤让男人捅视频| 亚洲成人免费电影在线观看| 久久久国产精品麻豆| 欧美丝袜亚洲另类 | 亚洲va日本ⅴa欧美va伊人久久| 亚洲国产毛片av蜜桃av| 高清毛片免费观看视频网站 | 久久国产精品影院| 另类亚洲欧美激情| 国产精华一区二区三区| 黄片播放在线免费| 美女大奶头视频| 色精品久久人妻99蜜桃| 91老司机精品| 97碰自拍视频| av网站免费在线观看视频| 国产在线精品亚洲第一网站| 好男人电影高清在线观看| 欧美激情高清一区二区三区| www.熟女人妻精品国产| 每晚都被弄得嗷嗷叫到高潮| 中文字幕另类日韩欧美亚洲嫩草| 成年女人毛片免费观看观看9| 国产精品国产高清国产av| 久久国产乱子伦精品免费另类| 麻豆av在线久日| 中文字幕高清在线视频| 成人三级黄色视频| 一区在线观看完整版| 精品久久久精品久久久| 免费av毛片视频| 国产欧美日韩综合在线一区二区| 亚洲专区字幕在线| 久久精品国产清高在天天线| 久久久精品国产亚洲av高清涩受| 女性被躁到高潮视频| 免费av毛片视频| 日本vs欧美在线观看视频| 午夜两性在线视频| 国产av精品麻豆| 国产日韩一区二区三区精品不卡| 欧美亚洲日本最大视频资源| 亚洲精品中文字幕一二三四区| www.精华液| 人人妻,人人澡人人爽秒播| 18禁美女被吸乳视频| 黄色怎么调成土黄色| 亚洲国产精品sss在线观看 | 国产片内射在线| 午夜免费成人在线视频| 久久精品成人免费网站| 99久久99久久久精品蜜桃| 国产精品免费一区二区三区在线| av福利片在线| 欧美成人午夜精品| 欧美日韩亚洲综合一区二区三区_| 国产亚洲欧美精品永久| 国产欧美日韩一区二区三区在线| 亚洲精品中文字幕一二三四区| 久久人人爽av亚洲精品天堂| 精品久久久精品久久久| 亚洲视频免费观看视频| e午夜精品久久久久久久| 黄网站色视频无遮挡免费观看| 国产成人精品在线电影| 午夜成年电影在线免费观看| 午夜精品国产一区二区电影| 交换朋友夫妻互换小说| 日日摸夜夜添夜夜添小说| av视频免费观看在线观看| e午夜精品久久久久久久| 超碰97精品在线观看| 久久久久久久久久久久大奶| 黑人操中国人逼视频| 岛国视频午夜一区免费看| 久久久久国产一级毛片高清牌| 侵犯人妻中文字幕一二三四区| 露出奶头的视频| 国产精品一区二区免费欧美| 美女午夜性视频免费| 动漫黄色视频在线观看| 精品久久久久久,| 久久九九热精品免费| 99国产精品一区二区三区| 国产成人精品在线电影| 国产aⅴ精品一区二区三区波| 纯流量卡能插随身wifi吗| 中国美女看黄片| 欧美性长视频在线观看| 国产一区二区激情短视频| 黑人猛操日本美女一级片| 亚洲自拍偷在线| 69精品国产乱码久久久| 不卡av一区二区三区| 日韩三级视频一区二区三区| 男女高潮啪啪啪动态图| 国产三级在线视频| 欧美人与性动交α欧美精品济南到| 成人永久免费在线观看视频| 日韩三级视频一区二区三区| 搡老乐熟女国产| 国产一区在线观看成人免费| 美女 人体艺术 gogo| 黄网站色视频无遮挡免费观看| а√天堂www在线а√下载| 日日摸夜夜添夜夜添小说| 久久中文看片网| 校园春色视频在线观看| 12—13女人毛片做爰片一| 老鸭窝网址在线观看| 久久精品国产综合久久久| 亚洲熟妇熟女久久| 天堂影院成人在线观看| 黄色 视频免费看| 久久性视频一级片| www日本在线高清视频| 视频区欧美日本亚洲| 午夜免费鲁丝| 国产一卡二卡三卡精品| www.精华液| av欧美777| 欧美中文综合在线视频| 色在线成人网| aaaaa片日本免费| 91字幕亚洲| 99精品久久久久人妻精品| 亚洲精品国产区一区二| 这个男人来自地球电影免费观看| 91九色精品人成在线观看| 女生性感内裤真人,穿戴方法视频| 日本三级黄在线观看| 久久人人精品亚洲av| 在线av久久热| 久久久久亚洲av毛片大全| 久久性视频一级片| 变态另类成人亚洲欧美熟女 | 涩涩av久久男人的天堂| 免费在线观看黄色视频的| 久久精品91蜜桃| 久久久久国内视频| 亚洲五月色婷婷综合| 最近最新免费中文字幕在线| 又黄又爽又免费观看的视频| а√天堂www在线а√下载| 国产精品久久久久成人av| 久久精品国产亚洲av高清一级| 热re99久久国产66热| 国产精品日韩av在线免费观看 | 黄片播放在线免费| 久久精品国产清高在天天线| 国产高清videossex| 男人舔女人下体高潮全视频| 久久久久国产一级毛片高清牌| 免费看a级黄色片| 免费不卡黄色视频| 国产99白浆流出| 麻豆国产av国片精品| 999久久久国产精品视频| 丝袜人妻中文字幕| 一级黄色大片毛片| 亚洲aⅴ乱码一区二区在线播放 | 亚洲一区二区三区色噜噜 | 国产成人av教育| 成人国产一区最新在线观看| 久9热在线精品视频| 18禁观看日本| 三级毛片av免费| 亚洲精品在线观看二区| 久久这里只有精品19| 日本免费一区二区三区高清不卡 | 久久久水蜜桃国产精品网| xxxhd国产人妻xxx| 日韩三级视频一区二区三区| 久久久久久久久中文| 久久人妻熟女aⅴ| 日日夜夜操网爽| 欧美日韩中文字幕国产精品一区二区三区 | 国产又色又爽无遮挡免费看| 欧美一级毛片孕妇| 午夜福利欧美成人| 男女高潮啪啪啪动态图| 亚洲激情在线av| 两个人看的免费小视频| 欧美老熟妇乱子伦牲交| 9色porny在线观看| 欧美黑人欧美精品刺激| 国产aⅴ精品一区二区三区波| 一进一出好大好爽视频| 级片在线观看| 国产精品免费一区二区三区在线| www.熟女人妻精品国产| 亚洲男人天堂网一区| 国产激情欧美一区二区| 国产精品九九99| 亚洲av成人一区二区三| 亚洲精品美女久久av网站| 人妻丰满熟妇av一区二区三区| 99热只有精品国产| 国产精品永久免费网站| 欧美黄色片欧美黄色片| 亚洲欧美日韩高清在线视频| 亚洲中文av在线| 亚洲中文日韩欧美视频| 国产免费现黄频在线看| 亚洲自偷自拍图片 自拍| 狠狠狠狠99中文字幕| 亚洲国产精品合色在线| 亚洲av熟女| 欧美不卡视频在线免费观看 | 成年人黄色毛片网站| 深夜精品福利| 精品国内亚洲2022精品成人| 久久久久久久午夜电影 | 日本黄色日本黄色录像| 亚洲 欧美一区二区三区| 露出奶头的视频| 国产精品乱码一区二三区的特点 | 最近最新中文字幕大全免费视频| 欧美人与性动交α欧美软件| 午夜亚洲福利在线播放| 精品福利观看| 欧美精品一区二区免费开放| 每晚都被弄得嗷嗷叫到高潮| x7x7x7水蜜桃| 久久国产精品男人的天堂亚洲| 色综合欧美亚洲国产小说| 午夜影院日韩av| 法律面前人人平等表现在哪些方面| 成人三级黄色视频| 黄色丝袜av网址大全| 亚洲熟妇中文字幕五十中出 | 另类亚洲欧美激情| 精品久久久久久久久久免费视频 | 日韩有码中文字幕| 国产亚洲精品第一综合不卡|