10.16208/j.issn1000-7024.2018.11.048
改进的LeNet-5模型在苹果图像识别中的应用
针对红富士与红元帅价格口感不同而外形相似的现象,提出一种基于LeNet-5改进的神经网络模型对其进行机器自动分类识别.以64×64像素的彩色图像作为模型输入,在全连接层之前加入Flatten层压缩三维彩色图像维度;改变全连接层激活函数为LeakyReLU,加入Dropout策略减少过拟合;通过对比实验找出该模型中最佳的训练优化器、卷积核大小、滤波器数量、学习步长、全连接层神经元个数等影响卷积神经网络性能的重要参数.与其它两种SVM方法进行对比,实验结果表明,在经过多次参数寻优后,该模型在对红富士和红元帅两种苹果的分类识别中的测试时间与测试精度优于SVM方法.
苹果分类、卷积神经网络、目标识别、Dropout、LeakyReLU
39
TP183(自动化基础理论)
国家863高技术研究发展计划基金项目2013AA102307
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
3570-3575