基于并行残差卷积神经网络的多种树叶分类

• 作者: 周悦 曾上游 王新娇 魏书伟
• 来源期刊: 现代电子技术
• 关键词: 树叶分类 卷积神经网络 残差学习 图像特征提取 批量归一化 测试效果对比
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 96-100
• 页数: 5页
• 分类号: TN711-34|TP391.4
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.09.023

摘要

树叶分类识别对于鉴定新的或者稀缺树种至关重要,采用卷积神经网络算法可以实现对树叶图像特征的自动提取,减少繁琐的人工成本,实现使用人工智能的方法来分类树叶.实验采用一种并行残差卷积神经网络和一种加入残差学习的传统Alexnet网络在制作的30种分类树叶的数据集上测试效果并作对比.以上两种方式分别比传统Alexnet网络提高了15.36％和9.36％,而且使网络更轻量化,最高准确率为90.67％,为树种识别研究提供了有效的分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周悦	广西师范大学电子工程学院	13	16	2.0	3.0
2	魏书伟	广西师范大学电子工程学院	4	0	0.0	0.0
3	曾上游	广西师范大学电子工程学院	20	28	3.0	4.0
4	王新娇	广西师范大学电子工程学院	4	0	0.0	0.0