多线索植物种类识别

• 作者: 罗娟 蔡骋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度卷积神经网络 迁移学习 植物识别 多线索
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 160-165
• 页数: 6页
• 分类号: TP391
• 字数: 4735字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0267

摘要

大多数关于自动植物识别的现有研究,集中于识别植物的单一器官,例如,花、叶或果实.使用单个器官的植物识别不够可靠,因为许多不同的植物却有着极其相似的器官.对于野外直接采集的图片,通常都有着复杂的背景,这也是目前的植物图像识别准确率不高的又一个原因.为了克服图像识别中的这两个难题,提出一种基于迁移学习的多线索植物识别方法,采用深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)通过迁移学习,训练花、果、叶和整株的单器官分类器,根据各个分类器预测的标签和得分进行多器官融合识别.在PlantCLEF2017数据集上证明了模型有效性,并且植物识别性能得到了极大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡骋	西北农林科技大学信息工程学院	23	158	8.0	11.0
2	罗娟	西北农林科技大学信息工程学院	2	5	2.0	2.0