基于残差网络的树叶分类

• 作者: 蔡圣杰 郑成勇 陈伟杰
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 树叶分类 残差网络 迁移学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 数学|Mathematics
• 页码范围: 21-27
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7302.2022.01.003

摘要

现有的树叶分类方法的精确率已超过90％,但可分类的树叶种类较为有限.为此,本文提出一种基于残差网络迁移学习的大规模树叶分类方法.首先使用大规模数据集预训练残差网络;然后在保留其他节点参数的基础上,对已预训练好残差网络进行部分结构调整,使之适用于树叶分类;最后,使用树叶数据集对调整后的残差网络进行再训练,以使网络具备树叶分类能力.所提算法可以兼顾准确率与运行速度.实验结果表明,所提方法可分类176种树叶,树叶分类准确率超过95.6％,且识别速度可保持在212.2帧/秒,可有效应用于农、林业.