| 基于迁移学习的卷积神经网络植物叶片图像识别方法 |
| |
| 引用本文： | 郑一力,张露.基于迁移学习的卷积神经网络植物叶片图像识别方法[J].农业机械学报,2018,49(S1):354-359. |
| |
| 作者姓名： | 郑一力 张露 |
| |
| 作者单位： | 北京林业大学,北京林业大学 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金项目（2015ZCQ-GX-04）、国家自然科学基金项目（31670719）和北京市科技计划项目（Z161100000916012） |
| |
| 摘 要： | 为了提高植物叶片图像的识别准确率，考虑到植物叶片数据库属于小样本数据库，提出了一种基于迁移学习的卷积神经网络植物叶片图像识别方法。首先对植物叶片图像进行预处理，通过对原图的随机水平、垂直翻转、随机缩放操作，扩充植物叶片图像数据集，对扩充后的叶片图像数据集样本进行去均值操作，并以4∶1的比例划分为训练集和测试集；然后将训练好的模型（AlexNet、InceptionV3）在植物叶片图像数据集上进行迁移训练，保留预训练模型所有卷积层的参数，只替换最后一层全连接层，使其能够适应植物叶片图像的识别；最后将本文方法与支持向量机(SVM)方法、深度信念网络(DBN)方法、卷积神经网络(CNN)方法在ICL数据库进行对比实验。实验使用Tensorflow训练网络模型，实验结果由TensorBoard可视化得到的数据绘制而成。结果表明，利用AlexNet、InceptionV3预训练模型得到的测试集准确率分别为95.31%、95.40%，有效提高了识别准确率。
|
| 关 键 词： | 叶片识别 卷积神经网络 迁移学习 |
| 收稿时间： | 2018/7/15 0:00:00 |
Plant Leaf Image Recognition Method Based on Transfer Learning with Convolutional Neural Networks |
| |
| ZHENG Yili and ZHANG Lu.Plant Leaf Image Recognition Method Based on Transfer Learning with Convolutional Neural Networks[J].Transactions of the Chinese Society of Agricultural Machinery,2018,49(S1):354-359. |
| |
| Authors: | ZHENG Yili and ZHANG Lu |
| |
| Institution: | Beijing Forestry University and Beijing Forestry University |
| |
| Abstract: | |
| |
| Keywords: | leaf recognition convolutional neural network transfer learning |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
