基于深度学习的自然环境下花朵识别

• 作者: 赵明 郑玉龙
• 来源期刊: 计算技术与自动化
• 关键词: 深度卷积神经网络 残差网络 花朵识别 随机梯度下降
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机软件及应用
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP391|S605
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.201902021

摘要

基于自然环境下的花朵识别已经成为了现在园艺植物以及计算机视觉方面的交叉研究热点.本文的花朵图像数据集是利用手机直接在自然场景中当场拍摄的,采集了湖南省植物园内26种观赏花朵的2600幅图像,其中还包括同一品种不同类别相似度很高的杜鹃,郁金香等花朵.设计了一种由3个残差块组成的20层深度学习模型Resnet20,模型的优化算法结合了Adam的高效初始化以及Sgd优秀的泛化能力,该优化算法主要是根据每次训练批次以及learning rate来进行转换调整,实验结果表明比单独使用Adam算法正确率高4到5个百分点,比单独使用Sgd算法收敛更快.该模型在Flower26数据集上,通过数据增强识别率可达到96.29％,表明深度学习是一种很有前途的应用于花朵识别的智能技术.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵明	中南大学软件学院	61	332	9.0	15.0
2	郑玉龙	中南大学软件学院	1	2	1.0	1.0