使用深度学习和迁移学习方法基于宏观图像进行木材识别,PeerJ
确定森林类型对于评估森林提供的生态、经济和社会效益以及保护、管理和维持森林至关重要。尽管传统上基于专家观察，但最近的发展增加了人工智能 (AI) 等技术的使用。深度学习等先进方法的使用将使森林物种识别变得更快、更容易。在本研究中，使用 ImageNet 数据集预训练的深度网络模型 RestNet18、GoogLeNet、VGG19、Inceptionv3、MobileNetv2、DenseNet201、InceptionResNetv2、EfficientNet 和 ShuffleNet 已适应新的数据集。在这个改编中，使用了迁移学习方法。这些模型具有不同的架构，可以进行广泛的性能评估。通过准确度、召回率、精确度、F1 分数、特异性和马修斯相关系数来评估模型的性能。 ShuffleNet 被提出作为一种轻量级网络模型，以较低的计算能力和资源需求实现高性能。该模型是一个高效的模型，其精度接近其他定制模型。这项研究表明深度网络模型是森林物种识别领域的有效工具。这项研究对森林的保护和管理做出了重要贡献。
"点击查看英文标题和摘要"
相关知识
基于深度学习和迁移学习的识花实践
基于深度学习的花卉图像种类识别
基于深度迁移学习模型的花卉种类识别
基于深度学习的苹果叶片病害识别研究
基于深度迁移学习的农业病害图像识别
基于深度学习的花识别检测方法研究.pptx
基于深度学习的农作物病虫害识别系统
基于图像的植物病害识别与分类
基于深度学习特征的植物病虫害检测
基于深度学习/YOLOv8的植物叶片病害识别系统【附源码+可远程安装部署】
网址: 使用深度学习和迁移学习方法基于宏观图像进行木材识别,PeerJ https://m.huajiangbk.com/newsview1440144.html
| 上一篇: 西南林业大学科研团队出版《木材识 |
下一篇: 西南林业大学研究团队发布人工智能 |
