...
首页> 外文期刊>Computer Science and Application >卷积神经网络在植被识别中的应用研究
【24h】

卷积神经网络在植被识别中的应用研究

机译:卷积神经网络在植被识别中的应用研究

获取原文
           

摘要

大多数植物图片识别的方法,都是聚焦与植物图片的某一特征进行识别,例如叶径,叶长,花,果实,叶片。使用其植物某个器官进行识别,这样得出的结果并不可靠,因为实际自然界有非常多的植物有着极其相似的特征。本文通过选取整个植物图片作为训练样本,即提取植物的所有特征,基于卷积神经网络(Convolutional Neural Networks, CNN)中的AlexNet模型,利用GPU并行计算能力加快模型训练和图片识别速度。通过对潘安湖的5类植物数据集进行训练,训练得到正确精度为87.5%的模型,并且将此训练精度与最近邻(K-NearestNeighbor, KNN)和BP神经网络(Back Propagation, BP)两种分类算法训练得到的训练精度作比较,验证了模型的高可用性。以此模型为基础,应用Python开发了一款基于潘安湖湿地公园植物的植物APP识别软件。
机译:大多数植物图片识别的方法,都是聚焦与植物图片的某一特征进行识别,例如叶径,叶长,花,果实,叶片。使用其植物某个器官进行识别,这样得出的结果并不可靠,因为实际自然界有非常多的植物有着极其相似的特征。本文通过选取整个植物图片作为训练样本,即提取植物的所有特征,基于卷积神经网络(Convolutional Neural Networks, CNN)中的AlexNet模型,利用GPU并行计算能力加快模型训练和图片识别速度。通过对潘安湖的5类植物数据集进行训练,训练得到正确精度为87.5%的模型,并且将此训练精度与最近邻(K-NearestNeighbor, KNN)和BP神经网络(Back Propagation, BP)两种分类算法训练得到的训练精度作比较,验证了模型的高可用性。以此模型为基础,应用Python开发了一款基于潘安湖湿地公园植物的植物APP识别软件。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号