文献类型：期刊文章

作　　者：曹晓杰[1] 么娆[2] 严雨灵[2]

Cao Xiaojie;Yao Rao;Yan Yuling(School of Mechanical and Automotive Engineering,Shanghai University of Engineering Science,Shanghai 201620,China;Aeronautic Transport College,Shanghai University of Engineering Science,Shanghai 201620,China)

机构地区：[1]上海工程技术大学机械与汽车工程学院,上海201620 [2]上海工程技术大学航空运输学院,上海201620

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61303098)。

年　　份：2020

卷　　号：37

期　　号：8

起止页码：142-148

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：针对传统花卉识别准确率低、泛化性能差、过程耗时费力和花卉样本少等问题,提出一种基于卷积神经网络模型的迁移学习方法。先进行小规模花卉图像数据增强等预处理,再对大规模数据集预训练模型进行迁移学习,修改密集连接分类层。在此基础上进行微调小规模数据集上的卷积基参数,得出识别分类结果。实验表明:在小规模花卉图像集上迁移微调预训练网络准确率可达96.3%。由此证明了深度卷积网络迁移应用到小规模数据集上的可行性。

关 键 词：花卉图像  卷积神经网络 数据增强  迁移学习  微调  

分 类 号：TP3[计算机类]