一种新型卷积神经网络植物叶片识别方法

• 作者: 晏铭 朱良宽 黄建平
• 来源期刊: 东北林业大学学报
• 关键词: DCGAN 数据扩充 图像识别 迁移学习 卷积神经网络
• 年，卷（期）: 2020,（4）
• 页码范围: 50-53
• 页数: 4页
• 分类号: TP183
• 语种: 中文

摘要

为提高植物叶片识别的准确率及减少计算代价,在Pytorch框架下提出一种融合了深度卷积生成式对抗网络(DCGAN)和迁移学习(TL)的新型卷积神经网络叶片识别方法.首先,对植物叶片图像进行预处理,通过DCGAN对样本数据库扩充;其次,利用迁移学习将Inception v3模型应用于图像数据处理上,以提高植物叶片识别的准确率;最后,通过对比实验对该方法的有效性进行验证.结果表明:该方法可以获得96.57％的植物叶片识别精度,同时参数训练的迭代次数由4000次缩短到560次.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱良宽		29	139	6.0	11.0
2	黄建平		11	6	1.0	2.0
3	晏铭		1	0	0.0	0.0