Improve Research Reproducibility
A Bio-protocol resource
实验方案
研究领域
癌症生物学 (447)
发育生物学 (337)
分子生物学 (1191)
干细胞 (264)
免疫学 (616)
神经科学 (736)
生物化学 (1437)
生物物理学 (180)
微生物学 (1187)
系统生物学 (357)
细胞生物学 (2231)
植物科学 (1096)
Bio-protocol
期刊
Bio-101 实验手册
课题组实验方案合辑
Request a Protocol
作者指南
关于
提交实验方案
订阅
A high-quality database for basic life science protocols
实验方案
研究领域
癌症生物学 (447)
发育生物学 (337)
分子生物学 (1191)
干细胞 (264)
免疫学 (616)
神经科学 (736)
生物化学 (1437)
生物物理学 (180)
微生物学 (1187)
系统生物学 (357)
细胞生物学 (2231)
植物科学 (1096)
Bio-protocol 期刊
Bio-101 实验手册
课题组实验方案合辑
Request a Protocol
订阅
提交
提交实验方案
作者指南
关于
Peer-reviewed
Preprint
Extracted from published research articles
生物化学
生物信息学与计算生物学
生物物理学
癌症生物学
细胞生物学
发育生物学
免疫学
微生物学
分子生物学
神经科学
植物科学
干细胞
系统生物学
研究物种
节肢动物
鱼类
真菌
无脊椎动物
哺乳纲
其它脊椎动物
植物
原核生物
原生动物
病毒
蠕虫
相关性
日期
浏览量
鱼类微体化石三维数据采集以及基于深度学习的数据分析方法
3D Data Collection of Fish Microfossils and Data Analysis Based on Deep Learning
Authors:
侯叶茂
崔心东
,
尹鹏飞
,
朱敏
and
date:
08/13/2021,
view:
2501,
Q&A:
0
本工作将
深度
学习
技术应用到鱼类微体化石自动分类的研究中,该方法相比于传统分类方法具有明显的高效性和客观性。 同时,本文提出了一种基于
深度
学习
技术的鱼类微体化石的数据分析方法,并取得了较好的分类效果,接近或达到模拟古生物学家的分类水平。 本文提出的分类方法是国内首次将
深度
学习
技术应用到化石三维模型分类的技术性研究,该方法对比传统的微体化石的分类方法具有明显的高效性和客观性。 本文介绍一种基于
深度
学习
技术对鱼类微体化石进行自动分类的工作流程,包括鱼类微体化