基于卷积神经网络和迁移学习的花卉图像分类

• 作者: 张秋颖 金雪松
• 来源期刊: 哈尔滨商业大学学报（自然科学版）
• 学科: 工学
• 关键词: 花卉分类 深度学习 卷积神经网络 迁移学习 深度特征 数据增强
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 323-327
• 页数: 5页
• 分类号: TP391.4
• 字数: 2041字
• 语种: 中文

摘要

花卉分类在研究中具有重要的研究价值和应用价值.针对花卉数据集缺少和分类精度低的问题,整理一个花卉数据集并使用卷积神经网络(Convolutional Neural Network,CNN)对数据集分类.传统分类方法多为提取花卉图像的颜色特征、纹理特征和形状特征,手动提取特征存在特征选择困难和特征提取不充分的问题.使用多种卷积神经网络自动提取花卉图像高级特征,采用迁移学习的方式训练网络.结果表明,卷积神经网络可以提取更丰富的特征,相对传统分类方法可以大幅度的提升准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金雪松	哈尔滨商业大学计算机与信息工程学院	16	51	3.0	6.0
2	张秋颖	哈尔滨商业大学计算机与信息工程学院	2	0	0.0	0.0