应用迁移学习的卷积神经网络花卉图像识别

• 作者: 严雨灵 么娆 曹晓杰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 花卉图像 卷积神经网络 数据增强 迁移学习 微调
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 142-148
• 页数: 7页
• 分类号: TP3
• 字数: 5219字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.025

摘要

针对传统花卉识别准确率低、泛化性能差、过程耗时费力和花卉样本少等问题,提出一种基于卷积神经网络模型的迁移学习方法.先进行小规模花卉图像数据增强等预处理,再对大规模数据集预训练模型进行迁移学习,修改密集连接分类层.在此基础上进行微调小规模数据集上的卷积基参数,得出识别分类结果.实验表明:在小规模花卉图像集上迁移微调预训练网络准确率可达96.3％.由此证明了深度卷积网络迁移应用到小规模数据集上的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹晓杰	上海工程技术大学机械与汽车工程学院	5	4	1.0	2.0
2	么娆	上海工程技术大学航空运输学院	7	7	2.0	2.0
3	严雨灵	上海工程技术大学航空运输学院	6	3	1.0	1.0