基于迁移学习和双线性CNN的细粒度菌菇表型识别

摘要：

为了对细粒度菌菇进行表型识别,在双线性卷积神经网络细粒度图像识别框架基础上,提出了一种基于迁移学习和双线性Inception-ResNet-v2网络的菌菇识别方法.利用Inception-ResNet-v2网络的特征提取能力,结合双线性汇合操作,提取菌菇图像数据的细粒度特征,采用迁移学习将ImageNet数据集上预训练的模型参数迁移到细粒度菌类表型数据集上.试验表明,在开源数据集和个人数据集上,识别精度分别达到87.15％和93.94％.开发了基于Flask框架的在线菌类表型识别系统,实现了细粒度菌菇表型的在线识别与分析.

关键词：迁移学习;细粒度菌菇;表型识别;Inception-ResNet-v2

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;大学生创新创业训练专项计划项目

在线出版日期：2021-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：151-158