基于科优先策略的植物图像识别

• 作者: 业宁 孙卫民 曹香滢 朱悠翔 李晓宇 钱鑫
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 科优先策略 自然环境植物图像 植物图像识别 深度学习 卷积神经网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 第七届中国数据挖掘会议(CCDM 2018)
• 页码范围: 3241-3245
• 页数: 5页
• 分类号: TP391.4
• 字数: 4094字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018041309

摘要

植物识别领域的研究包括单一背景和自然环境植物图像识别,由于背景噪声的存在,自然环境植物图像识别难度更大.针对如何降低卷积神经网络(CNN)的权重大小、如何改善过拟合、如何提高模型对自然环境植物的识别率和泛化能力的问题,提出科优先(FP)的植物识别方法.与轻量卷积神经网络MobileNet模型结合,利用迁移学习的方法,建立基于MobileNet的科优先(FP-MobileNet)植物识别模型.单纯使用MobileNet模型在单一背景植物数据集flavia 上获得了99.8％的识别率;对于更具挑战的自然环境花卉数据集flower102,在训练集样本数量大于测试集时FP-MobileNet获得了99.56％识别率,在训练集样本数量小于测试集时FP-MobileNet仍获得了95.56％的识别率.实验结果表明,两种数据集划分方案下FP-MobileNet的识别率均高于单纯的MobileNet模型;并且FP-MobileNet模型在获得较高识别率的同时,权重仅占13.7 MB,兼顾了精度和延迟,适合推广到需要轻量模型的移动设备.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	业宁	南京林业大学信息科学技术学院	83	805	16.0	24.0
2	钱鑫		4	22	2.0	4.0
3	曹香滢	南京林业大学信息科学技术学院	1	9	1.0	1.0
4	孙卫民	南京林业大学信息科学技术学院	2	9	1.0	2.0
5	朱悠翔	南京林业大学信息科学技术学院	2	9	1.0	2.0
6	李晓宇	南京林业大学信息科学技术学院	5	19	2.0	4.0