基于卷积神经网络的多肉植物细粒度图像分类

摘要：

多肉植物分类是植物栽培管理中的一项重要任务,通常需使用大型数据集和领域独有的特性.由于没有现成的多肉植物数据集,需收集大量的图片自制数据集.研究了多肉植物的细粒度图像分类.为了识别不同视角、背景、光效和成长阶段的多肉植物,对卷积神经网络AlexNet和GoogLeNet的最后三层进行微调,对原创数据集进行了强监督分类和弱监督分类的测试、训练.实验结果表明,微调GoogLeNet的强监督分类达到了最佳效果,精准率为96.7％.

关键词：细粒度图像分类、强监督分类、弱监督分类、卷积神经网络、AlexNet、GoogLeNet、微调

所属期刊栏目：26

分类号：TP183(自动化基础理论)

资助基金：十三五规划重点研究发展计划资助项目2017YFD0400101

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：283-291