基于改进空洞卷积神经网络的丘陵山区田间道路(9) - 湖北农机化杂志社投稿

一、稿件要求： 1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。要求稿件论点中立，论述详实，能够对读者的购买起到指导作用。文章体裁不限，字数不限。 2、稿件建议采用纯文本格式(*.txt)。如果是文本文件，请注明插图位置。插图应清晰可辨，可保存为*.jpg、*.gif格式。如使用word等编辑的文本，建议不要将图片直接嵌在word文件中，而将插图另存，并注明插图位置。 3、如果用电子邮件投稿，最好压缩后发送。 4、请使用中文的标点符号。例如句号为。而不是.。 5、来稿请注明作者署名(真实姓名、笔名)、详细地址、邮编、联系电话、E-mail地址等，以便联系。 6、我们保留对稿件的增删权。 7、我们对有一稿多投、剽窃或抄袭行为者，将保留追究由此引起的法律、经济责任的权利。二、投稿方式： 1、请使用电子邮件方式投递稿件。 2、编译的稿件，请注明出处并附带原文。 3、请按稿件内容投递到相关编辑信箱三、稿件著作权： 1、投稿人保证其向我方所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我方所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我方所投之作品不得同时向第三方投送，即不允许一稿多投。若投稿人有违反该款约定的行为，则我方有权不向投稿人支付报酬。但我方在收到投稿人所投作品10日内未作出采用通知的除外。 5、投稿人授予我方享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、投稿人委托我方声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

基于改进空洞卷积神经网络的丘陵山区田间道路(9)

作者:

关键词:

摘要：

[20] Chen L C, Yang Y, Wang J, et al. Attention to scale:scale-aware semantic image segmentation[C]//IEEE Conference on Computer Vision and Pattern Recognition(CVPR). Las Vegas, NV, USA, 2016: 3640－3649.

[21] Yu F, Koltun V. Multi-scale context aggregation by dilated convolutions[C]// International Conference on Learning Representations (ICLR). San Juan, Puerto Rico, 2016: 1－13.[22] He K, Zhang X, Ren S, et al. Deep residual learning for image recognition[C]// IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas, NV,USA, 2016: 770－778.

[23] Sudholt S, Fink G A. PHOCNet: A deep convolutional neural Network for word spotting in handwritten documents[C]//International Conference on Frontiers in Handwriting Recognition (ICFHR). Shenzhen, China, 2016: 277－282.

[24] Chen L C, Papandreou G, Kokkinos I, et al. DeepLab:Semantic image segmentation with deep convolutional nets,atrous convolution, and fully connected CRFs[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2018, 40(4): 834－848.

[25] Inoue M, Inoue S, Nishida T. Deep recurrent neural network for mobile human activity recognition with high throughput[J]. Artificial Life & Robotics, 2018, 23(2): 173－185.

[26] 刘立波，程晓龙，赖军臣. 基于改进全卷积网络的棉田冠层图像分割方法[J]. 农业工程学报，2018，34(12)：193－201.Liu Libo, Cheng Xiaolong, Lai Juncheng. Segmentation method for cotton canopy image based on improved fully convolutional network model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(12): 193－201. (in Chinese with English abstract)

[27] Jia Y, Shelhamer E, Donahue J, et al. Caffe：Convolutional architecture for fast feature embedding[C]// ACM International Conference on Multimedia. New York, NY,USA, 2014: 675－678.

[28] Bengio S, Bengio Y, Courville A, et al. Why does unsupervised pre-training help deep learning?[J] Journal of Machine Learning Research, 2010, 11(2): 625－660.

[29] Liu W, Anguelov D, Erhan D, et al. SSD: Single shot multibox detector[C]// European Conference on Computer Vision. Springer International Publishing, Amsterdam, The Netherlands, 2016: 21－37.

[30] Ouyang W, Zeng X, Wang X, et al. DeepID-Net: Object detection with deformable part based convolutional neural networks[J]. IEEE Transactions on Pattern Analysis &Machine Intelligence, 2017, 39(7): 1320－1334.

[31] 陈鸿翔. 基于卷积神经网络的图像语义分割[D]. 杭州：浙江大学， Hongxiang. Semantic Segmentation Based on Convolutional Neural Networks[D]. Hangzhou: Zhejiang University, 2016. (in Chinese with English abstract).

[32] 杨阿庆，薛月菊，黄华盛，等. 基于全卷积网络的哺乳母猪图像分割[J]. 农业工程学报，2017，33(23)：219－225.Yang Aqing, Xue Yueju, Huang Huasheng, et al. Lactating sow image segmentation based on fully convolutional networks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017,33(23): 219－225. (in Chinese with English abstract)

文章来源：《湖北农机化》网址: http://www.hbnjhzz.cn/qikandaodu/2021/0709/1515.html