一种改进的深度神经网络的花卉图像分类

• 作者: 侯凌燕 刘秀磊 吴迪 李红臣
• 来源期刊: 河南大学学报（自然科学版）
• 学科: 工学
• 关键词: 迁移学习 InceptionV3网络结构 深度神经网络 Tanh-ReLU激活函数 数据增强 图像分类
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 192-203
• 页数: 12页
• 分类号: TP391.41
• 语种: 中文

摘要

花卉图像类内差异性大和类间相似性高使得花卉图像分类较难.传统花卉分类方法和普通卷积神经网络很难完整地表达花卉图像的特征,故而分类效果不理想.为提高花卉分类准确率,提出改进的InceptionV3网络用于花卉图片的分类.采用迁移学习的方法,将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类,对其中的激活函数进行改进.在通用Oxford flower-102数据集上的实验表明:该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高,且比未改进的卷积神经网络准确率高,迁移过程准确率达到81.32％,微调过程准确率达到92.85％.