10.16652/j.issn.1004-373x.2020.09.023
基于并行残差卷积神经网络的多种树叶分类
树叶分类识别对于鉴定新的或者稀缺树种至关重要,采用卷积神经网络算法可以实现对树叶图像特征的自动提取,减少繁琐的人工成本,实现使用人工智能的方法来分类树叶.实验采用一种并行残差卷积神经网络和一种加入残差学习的传统Alexnet网络在制作的30种分类树叶的数据集上测试效果并作对比.以上两种方式分别比传统Alexnet网络提高了15.36%和9.36%,而且使网络更轻量化,最高准确率为90.67%,为树种识别研究提供了有效的分类方法.
树叶分类、卷积神经网络、残差学习、图像特征提取、批量归一化、测试效果对比
43
TN711-34;TP391.4(基本电子电路)
国家自然科学基金资助项目;广西研究生教育创新计划项目
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
96-100