多特征融合的花卉图像深度学习分类算法

• 作者: 叶东毅 林思思 陈昭炯
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 深度特征 人工特征 花卉图像分类
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 1446-1450
• 页数: 5页
• 分类号: TP391
• 字数: 6866字
• 语种: 中文

摘要

许多图像分类问题具有类内相似而类间差异的特点,然而花卉图像的分类往往存在着类间相似和类内差异的现象,因此,基于传统人工设计的图像特征进行花卉图像分类效果一般不够理想.针对这个问题,本文提出融合深度特征和人工特征的花卉图像特征提取方法并在此基础上实现花卉图像的分类.首先构建基于卷积神经网络CNN的特征提取框架,然后利用CNN模型从颜色、亮度多特征角度提取目标对象特征,并利用CNN低层级上的特征图设计了一种基于卷积神经网络的纹理特征,最后将上述多个特征与传统的人工设计图像特征经过融合得到一组花卉图像特征.分类实验结果表明,本文提取的融合特征不仅维度低于传统的人工设计特征,而且具有更好的分类准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶东毅	福州大学数学与计算机科学学院	112	1572	18.0	36.0
2	陈昭炯	福州大学数学与计算机科学学院	68	963	13.0	30.0
3	林思思	福州大学数学与计算机科学学院	2	18	2.0	2.0