基于卷积神经网络的植物图像分类方法研究 |
| |
引用本文: | 左羽,陶倩,吴恋,王永金.基于卷积神经网络的植物图像分类方法研究[J].物联网技术,2020(3):72-75. |
| |
作者姓名: | 左羽 陶倩 吴恋 王永金 |
| |
作者单位: | 贵州师范学院数学与大数据学院;贵州大学计算机科学与技术学院 |
| |
基金项目: | 贵州省科技厅基础研究计划项目(黔科合基础[2018]1121);贵州省科技厅2018年度国家科技部和国家自然科学基金奖励补助项目(黔科合平台人才[2017]5790-09);贵州师范学院一流大学建设一流平台项目(贵师院发[2018]100号);贵州师范学院信息工程专业专业建设项目(贵师院发[2018]99号)。 |
| |
摘 要: | 近年来,卷积神经网络已经成为图像分类领域的应用研究热点,其对图像特征进行自提取、自学习,解决了以往图像分类方法的图像低层特征到高层概念之间存在的语义鸿沟。为了解决植物图像的自动分类问题,该文提出一种基于卷积神经网络(CNN)的植物图像分类方法,以植物图像为研究对象,将经典卷积神经网络VGG16与全卷积网络(FCN)相结合,把VGG16中两个通道数为4096的全连接层改为卷积层,构造一个新的VGG16模型为植物图像分类模型。文中制作了一个由43类每类500张总共21500张植物图像组成的图像数据集,作为植物图像分类模型的训练数据集。实验结果表明,所提方法在植物的图像分类上的准确率达到97.23%。应用文中提出的卷积神经网络对植物图像进行分类可以取得目前最好的植物图像分类效果。
|
关 键 词: | 卷积神经网络 图像特征 图像分类 全卷积网络 植物图像 数据集 |
本文献已被 维普 等数据库收录! |
|