基于轻量化卷积神经网络的多肉植物种类识别研究
文档名：基于轻量化卷积神经网络的多肉植物种类识别研究
摘要：目前多肉植物产业在我国发展较快,市场前景广阔,由于其具有品种繁多、形态多变、类间相似度高等特点,导致多肉植物种类辨别难度较大.针对上述问题,提出一种基于改进MobileNetV3网络与迁移学习的多肉植物图像分类方法,将Bot-tleneck模块前六层的ReLU激活函数换成LeakyReLU激活函数,优化了SE模块,添加了Dropout层提高模型的泛化性.通过改进MobileNetV3网络对13种多肉植物图像进行种类识别,准确率为97.35％,并且可以实时稳定地对多肉植物图像进行分类,使用FocalLoss代替交叉熵损失函数,达到平衡样本的目的.研究结果表明,利用改进MobileNetV3网络对多肉植物种类识别具有一定可行性.
作者：孙公凌云张靖渝连俊博宁景苑刘伟立刘权王国振陆诗怡时鹏辉楼雄伟Author：SUNGonglingyunZHANGJingyuLIANJunboNINGJingyuanLIUWeiliLIUQuanWANGGuozhenLUShiyiSHIPenghuiLOUXiongwei
作者单位：浙江农林大学数学与计算机科学学院,浙江杭州311300
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(12)
分类号：TP391
关键词：图像分类多肉植物图像深度学习迁移学习MobileNetV3FocalLossDropoutLeakyReLU
Keywords：imageclassificationsucculentplantsimagedeeplearningtransferlearningMobileNetV3FocalLossDropoutLeakyReLUEEACC:7230
机标分类号：TP391.41TP183TN911.73
在线出版日期：2024年2月23日
基金项目：浙江省科技计划项目基于轻量化卷积神经网络的多肉植物种类识别研究[
期刊论文]传感技术学报--2023, 36(12)孙公凌云张靖渝连俊博宁景苑刘伟立刘权王国振陆诗怡时鹏辉楼雄伟目前多肉植物产业在我国发展较快,市场前景广阔,由于其具有品种繁多、形态多变、类间相似度高等特点,导致多肉植物种类辨别难度较大.针对上述问题,提出一种基于改进MobileNetV3网络与迁移学习的多肉植物图像分类方法,将B...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于轻量化卷积神经网络的多肉植物种类识别研究Research on Identification of Succulents Based on Lightweight Convolutional Neural Network
基于轻量化卷积神经网络的多肉植物种类识别研究.pdf
页:
[1]