基于深度迁移学习模型的花卉种类识别

• 作者: 刘嘉政
• 来源期刊: 江苏农业科学
• 学科: 工学
• 关键词: 花卉种类 深度学习 迁移学习 识别分类
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 农业工程与信息技术
• 页码范围: 231-236
• 页数: 6页
• 分类号: TP391.4
• 字数: 3358字
• 语种: 中文
• DOI: 10.15889/j.issn.1002-1302.2019.20.054

摘要

为了解决传统花卉识别方法中特征提取主观性强、模型泛化能力差、错分率高的问题,提出一种基于Inception_v3的深度迁移学习模型的花卉图像识别方法.本研究对5种常见花卉图像进行识别分类,首先对原始图像进行预处理,通过对每张图像进行水平翻转、旋转操作,扩增数据集;其次,采用预训练完毕的Inception_v3模型,对其在ImageNet上训练好的网络参数进行迁移学习,对各个参数进行微调,并保留原模型的特征提取能力,并将原模型的全连接层替换为符合本研究要求的5分类softmax分类输出层,从而构建基于深度迁移学习的识别模型.对5种花卉共计11 000张图像进行训练和验证,平均识别正确率达到93.73％,与传统的花卉识别方法相比,识别率得到提高,模型鲁棒性更强,具有一定的使用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘嘉政	中国林业科学研究院资源信息研究所	6	3	1.0	1.0