基于卷积神经网络的花卉识别的研究与实现
随着人们生活和科技水平的提高,图像处理和模式识别取得了巨大的进步。花卉类别识别作为一种典型的细粒度图像识别任务,是计算机视觉和林业信息化领域最热门的研究课题之一。随着人们对花卉识别应用需求增加,将花卉识别算法部署在网站上成为了一项迫在眉睫的任务。传统机器学习的花卉识别算法相对成熟,但是传统的花卉识别方法都是通过专家手动选择多个特征进行分类,面临分类结果准确率较低、泛化能力较弱和分类时间较长等问题。根据传统方法的局限性,本文提出基于深度学习的花卉识别算法。本文提出一种基于改进Res Net18网络模型来进行花卉识别的算法。本文主要从如下几个方面展开研究工作:1.特征提取。在特征提取阶段,将每个残差块中第一层基础卷积替换为膨胀率为2的空洞卷积,提取花卉图片更多的细节特征来增强模型对花卉特征的提取能力。2.引入注意力机制。通过在每个残差块后分别加入经过改进的通道注意力机制获得局域特征的网络权重,构造改进的Res Net18网络模型。3.模型压缩,采用基于残差网络的捷径剪枝策略降低模型的参数量。实验结果显示,在Oxford 102 Flowers牛津花卉数据集上,改进的Res Net18网络模型识别精度可以高达97.78%,比仅使用空洞卷积的模型提高了3.11个百分点,比原模型提高了4.45个百分点。改进的Res Net18网络提高了对花卉识别的准确率,增强了模型的泛化和拟合能力。在上述工作的基础上,本文采用Python语言和Django框架设计出一套花卉识别系统。分析了图像畸变产生的原因,并采用透视变换矩阵对图像进行处理。详细介绍了系统的整体框架及功能设计。用户仅通过点击URL就能实现花卉的分类。 （共59页)
相关知识
基于卷积神经网络的花卉识别方法
基于深度卷积神经网络的农作物病虫害识别及实现
基于卷积神经网络和集成学习的材质识别和分割方法研究
基于卷积神经网络的农作物病虫害识别系统
毕设分享 基于深度学习卷积神经网络的花卉识别
基于超轻量级全卷积神经网络的花卉识别方法
基于卷积神经网络的多尺度葡萄图像识别方法
基于卷积神经网络的花卉图像分类研究（32页）
基于卷积神经网络的花卉识别技术 Flower Recognition Based on Convolutional Neural Networks
卷积神经网络的算法范文
网址: 基于卷积神经网络的花卉识别的研究与实现 https://m.huajiangbk.com/newsview626831.html
| 上一篇: 桃已知MADS |
下一篇: 生物信息学专业学什么 |
