基于残差网络迁移学习的花卉识别系统

• 作者: 关胤
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 花卉识别 残差网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP391.4
• 字数: 6134字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1709-0322

摘要

传统的花卉识别算法一般是建立在手动特征提取和分类器训练的基础上,其泛化能力有限且准确度存在瓶颈.为此提出了基于深度卷积网络的识别算法,采用152层残差网络架构,在爬虫获取的大量标定数据基础上,对神经网络进行迁移学习训练.上线发布的算法集成系统中,用户拍照获取的花卉照片可通过网络传输到云服务器,并在服务端部署的深度学习架构下实现花卉快速识别.针对ImageNet和网龙花卉数据集的实验对比结果表明,基于残差网络迁移学习的方法具有识别准确率高、实时反馈、鲁棒性好等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关胤	网龙网络控股有限公司大数据与人工智能实验室	1	8	1.0	1.0