《表4 数据预处理:深度学习在我国农业中的应用研究现状》
所综述论文97%(63篇)涉及数据预处理。预处理环节相应预处理方法如表4所示,数据预处理过程包括数据清洗、数据转换和降维处理。其中数据清洗技术主要是用于保证数据特定特征的完整性;数据转换是为了满足深度学习模型的要求,将数据从一种格式或结构转换为另一种格式或结构的过程;降维是去除不相关和冗余的变量,降低分析和生成模型的复杂性,提高建模效率[107]。最常见的预处理方法是调整图像大小,包括图像分割、缩放和归一化(48篇)。根据DL模型的要求,图像像素大小为600×600、256×256、128×128、95×95和48×48是最常见的尺寸。
图表编号 | XD00102813100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.15 |
作者 | 吕盛坪、李灯辉、冼荣亨 |
绘制单位 | 华南农业大学工程学院、华南农业大学工程学院、华南农业大学工程学院 |
更多格式 | 高清、无水印(增值服务) |