基于卷积神经网络的花卉识别研究
近年来,花卉种类识别主要是根据植物的叶、茎、花等不同部位的形状和纹理进行的,但由于世界各地拥有数百万种花卉且花卉还具有类间相似性和类内异构性,使得这类方法缺乏健壮性.在该文的研究工作中,采用了卷积神经网络的深度学习方法来实现对花卉种类的高精度识别,先是对原始图像进行预处理;然后是以LeNet-5卷积神经网络模型为基础建立网络模型,再通过梯度下降和BP算法进行模型训练后得到花卉识别分类器;最后分析实验结果并与其它花卉识别的算法进行对比.通过在Oxford 102 Flowers数据库进行的实验,识别正确率达到了91.18％.
深度学习、卷积神经网络、花卉识别、BP算法
15
TP391(计算技术、计算机技术)
2019-06-03（万方平台首次上网日期，不代表论文的发表时间）
共4页
185-188
