资料下载
×
如何使用科优先策略进行的植物图像识别系统介绍
消耗积分:0 |
格式:rar |
大小:0.80 MB |
2018-11-23
分享资料个
植物识别领域的研究包括单一背景和自然环境植物图像识别，由于背景噪声的存在，自然环境植物图像识别难度更大。针对如何降低卷积神经网络（CNN）的权重大小、如何改善过拟合、如何提高模型对自然环境植物的识别率和泛化能力的问题，提出科优先（FP）的植物识别方法。与轻量卷积神经网络MobileNet模型结合，利用迁移学习的方法，建立基于MobileNet的科优先（ FP-MobileNet）植物识别模型。单纯使用MobileNet模型在单一背景植物数据集flavia上获得了99.8%的识别率;对于更具挑战的自然环境花卉数据集flower102， 在训练集样本数量大于测试集时FP-MobileNet获得了99. 56%识别率，在训练集样本数量小于测试集时FP-MobileNet 仍获得了95. 56%的识别率。实验结果表明，两种数据集划分方案下FP-MobileNet 的识别率均高于单纯的MobileNet 模型;并且FP-MobileNet模型在获得较高识别率的同时，权重仅占13，7 MB，兼顾了精度和延迟，适合推广到需要轻量模型的移动设备。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
