共 8 条
基于迁移学习的卷积神经网络植物叶片图像识别方法
被引:67
作者:
郑一力
张露
机构:
[1] 北京林业大学工学院
来源:
关键词:
叶片识别;
卷积神经网络;
迁移学习;
D O I:
暂无
中图分类号:
TP183 [人工神经网络与计算];
TP391.41 [];
学科分类号:
080203 ;
摘要:
为了提高植物叶片图像的识别准确率,考虑到植物叶片数据库属于小样本数据库,提出了一种基于迁移学习的卷积神经网络植物叶片图像识别方法。首先对植物叶片图像进行预处理,通过对原图的随机水平、垂直翻转、随机缩放操作,扩充植物叶片图像数据集,对扩充后的叶片图像数据集样本进行去均值操作,并以4∶1的比例划分为训练集和测试集;然后将训练好的模型(Alex Net、Inception V3)在植物叶片图像数据集上进行迁移训练,保留预训练模型所有卷积层的参数,只替换最后一层全连接层,使其能够适应植物叶片图像的识别;最后将本文方法与支持向量机(SVM)方法、深度信念网络(DBN)方法、卷积神经网络(CNN)方法在ICL数据库进行对比实验。实验使用Tensorflow训练网络模型,实验结果由Tensor Board可视化得到的数据绘制而成。结果表明,利用Alex Net、Inception V3预训练模型得到的测试集准确率分别为95. 31%、95. 40%,有效提高了识别准确率。
引用
收藏
页码:354 / 359
页数:6
相关论文