基于Android和卷积神经网络的鸟类识别系统
随着深度学习的广泛应用和智能移动设备的普及,将深度学习的应用迁移到移动设备上已经成为一种新的趋势.本文设计了一种基于安卓平台和轻量级卷积神经网络的鸟类识别系统,该系统不依赖任何外部的计算资源和存储资源.本文提出以轻量级卷积神经网络作为基础模型的三种模型融合方法,分别是加权平均融合、双线型融合和多图片单模型融合.本文详细介绍了三种融合方式的结构和优缺点,并且给出了模型选择和超参数选择的一些方法.实验结果表明模型融合的方式相比单模型而言,识别精度有显著提高,可以更好的应用到安卓移动设备上.
深度学习、卷积神经网络、图像细粒度分类、迁移学习、模型融合
28
中国科学院科技服务网络计划STS 计划Y82E01;国家科技部国家科技基础条件平台项目DKA2017-12-02-18
2019-09-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
58-64