-
题名基于残差网络迁移学习的花卉识别系统
被引量：24
- 1
-
-
作者
关胤
-
机构
网龙网络控股有限公司大数据与人工智能实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第1期174-179,共6页
-
基金
福建省高校产学合作科技重大项目(No.2017H6015)
-
文摘
传统的花卉识别算法一般是建立在手动特征提取和分类器训练的基础上,其泛化能力有限且准确度存在瓶颈。为此提出了基于深度卷积网络的识别算法,采用152层残差网络架构,在爬虫获取的大量标定数据基础上,对神经网络进行迁移学习训练。上线发布的算法集成系统中,用户拍照获取的花卉照片可通过网络传输到云服务器,并在服务端部署的深度学习架构下实现花卉快速识别。针对ImageNet和网龙花卉数据集的实验对比结果表明,基于残差网络迁移学习的方法具有识别准确率高、实时反馈、鲁棒性好等特点。
-
关键词
深度学习
花卉识别
残差网络
-
Keywords
deep learning
flower species recognition
residual network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多特征融合的花卉种类识别研究
被引量：11
- 2
-
-
作者
吴笑鑫
高良
闫民
赵方
-
机构
北京林业大学信息学院
北京林业大学工学院
-
出处
《北京林业大学学报》
CAS
CSCD
北大核心
2017年第4期86-93,共8页
-
基金
国家自然科学基金项目(11272061)
-
文摘
花卉种类识别作为植物自动分类识别的重要分支,有着很高的研究和应用价值。针对当前花卉特征描述存在的局限和花卉识别准确率较低的实际情况,以花卉图像为研究对象,首先对复杂背景图像采用基于显著性检测的Grab Cut分割算法进行预处理,得到单一背景图像;然后在提取花卉图像花冠(所有花瓣)颜色和形状特征的基础上,创新性地提取花蕊区域的颜色和形状所包含的特征信息,并将提取到的18个特征融合成单一特征向量。以支持向量机(SVM)算法为基础构建分类器,通过实验确定核函数与最佳参数;对360幅自建花卉样本库(24个种类,每个种类15幅)进行训练和测试,其中240幅作为训练样本,120幅作为测试样本,并与基于不同特征组合的识别方法进行比较。结果表明:本文提出的基于多特征融合的识别方法具有较高的识别准确率,识别率可以达到92.50%。对通用花卉样本库Oxford 17 flower进行训练与测试,选取其中340幅作为训练样本,170幅作为测试样本,取得了较好的识别效果,验证了本文方法的有效性。
-
关键词
花卉图像
种类识别
特征提取
支持向量机
-
Keywords
flower image
species recognition
feature extraction
support vector machine（SVM）
-
分类号
S688.9
[农业科学—观赏园艺]
TP391.4
[农业科学—园艺学]
-
