寫圖像識別論文有哪些文獻(xiàn)?參考文獻(xiàn)是對論文的信息和數(shù)據(jù)來源進(jìn)行合理的使用，很多文獻(xiàn)資料都可以作為自己論文的參考文獻(xiàn)，在論文寫作過程中使用過的資料，包括期刊論文、會議論文、專利、教科書、報紙和一些視頻資料等等，或者是在某個網(wǎng)站或者在線資源等都可能是文獻(xiàn)資料。這里就匯總了部分關(guān)于圖像識別方面的論文文獻(xiàn)。

　　基于改進(jìn)VGG網(wǎng)絡(luò)的農(nóng)作物病害圖像識別

　　摘要：隨著計算機技術(shù)的飛速發(fā)展,使用機器視覺進(jìn)行農(nóng)作物病害識別成為了一種趨勢。但是,當(dāng)前農(nóng)作物病害圖像識別研究主要集中在提高其識別精度方面而很少考慮實際復(fù)雜自然條件下的魯棒性研究。在實際復(fù)雜自然條件下,噪聲和復(fù)雜自然條件背景會降低識別精度。為此,對VGG網(wǎng)絡(luò)進(jìn)行改進(jìn),將高階殘差和參數(shù)共享反饋子網(wǎng)絡(luò)添加進(jìn)VGG網(wǎng)絡(luò)中,識別實際復(fù)雜自然條件下的農(nóng)作物病害。農(nóng)作物病害表觀的特征表達(dá)由高階殘差子網(wǎng)絡(luò)提供,高階殘差子網(wǎng)絡(luò)使病害識別的準(zhǔn)確率更高;病害圖像深層特征中的背景噪聲被參數(shù)共享反饋子網(wǎng)絡(luò)削弱,使改進(jìn)VGG網(wǎng)絡(luò)具有更強的魯棒性。實驗分析表明:在實際大田環(huán)境中,此方法在識別精度和魯棒性方面比SVM、AlexNET、ResNet-50、VGG-16效果更好。

　　基于圖像識別的異型玻璃表面質(zhì)量全檢測設(shè)備設(shè)計

　　摘要：針對加工異型玻璃過程中,切割后的玻璃表面質(zhì)量檢測以人工為主、效率低的現(xiàn)象,設(shè)計一套基于圖像識別的異型玻璃表面質(zhì)量全檢測設(shè)備。給出了異型玻璃AOI檢測系統(tǒng)設(shè)計的整體方案、結(jié)構(gòu)組成、視覺系統(tǒng)的功能及控制流程。利用該設(shè)備進(jìn)行檢測時,先檢測玻璃上下表面,再檢測左右邊緣和短邊,其連續(xù)節(jié)拍運行速度快、精度高、穩(wěn)定性高,提高了工作效率。采用線陣相機識別系統(tǒng)進(jìn)行自動檢測,提高了異型玻璃的表面和邊緣全檢測效率,降低了人工成本。

　　基于圖像識別的河流周界入侵檢測算法研究

　　摘要：基于圖像識別的河流周界入侵檢測算法相比于雷達(dá)檢測,具有成本低、誤報率低的優(yōu)點。針對河流監(jiān)控視頻中存在算法識別精度不高、分類不明確、不同分辨率目標(biāo)的問題,提出一種基于Faster R-CNN網(wǎng)絡(luò)模型的河流周界入侵檢測算法,并對該模型做適應(yīng)性改進(jìn)以滿足河流檢測的現(xiàn)實需要。使用全局平均池化層替代全連接層,通過增加錨點個數(shù)來提高對目標(biāo)區(qū)域建議的精確度。實驗結(jié)果表明,本算法具有一定的精確性,可以滿足河流周界入侵檢測的實時性和準(zhǔn)確性要求。

　　總結(jié)來說，參考文獻(xiàn)的重要作用在于：一方面，作為「證據(jù)」以給予讀者和編輯信任。在學(xué)術(shù)論文寫作中，謹(jǐn)慎地聲明本論文中提及的新觀點或新數(shù)據(jù)的合理性，也許還不充足，充實的參考文獻(xiàn)列表會幫助作者減少已有事實的研究、陳述。

　　推薦閱讀：圖像識別論文發(fā)表選刊容易嗎

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學(xué)術(shù)顧問，解答疑問同時給出解決方案 。