文献类型：期刊文章

作　　者：王辉[1] 张帆[1] 刘晓凤[2] 李潜[1]

WANG Hui;ZHANG Fan;LIU Xiao-feng;LI Qian(School of Information Engineering,Minzu University of China,Beijing 100081,China;Qingdao Technical College,Qingdao 266555,China)

机构地区：[1]中央民族大学信息工程学院,北京100081 [2]青岛职业技术学院,山东青岛266555

出　　处：《东北师大学报（自然科学版）》

基　　金：国家自然科学基金资助项目(61672553);教育部社科基金资助项目(18YJAZHO87).

年　　份：2020

卷　　号：52

期　　号：4

起止页码：60-65

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、JST、MR、RCCSE、WOS、ZGKJHX、ZMATH、核心刊

摘　　要：为实现复杂背景下准确、快速地识别多种水果,提出了基于改进DarkNet-53卷积神经网络的水果分类识别模型.该模型在DarkNet-53网络模型基础上,用组归一化方法替换原有的批量归一化方法,改进模型结构、优化参数.在此基础上,引入YOLOv3算法对图像全局信息进行目标预测,构建水果目标检测模型.从建立的水果图像库中随机抽取样本作为训练集和测试集,测试该方法性能.结果表明:所构建模型能够有效提取水果图像的不同层特征,与原模型相比不依赖于批量大小,准确率达到95.6%;使用改进的DarkNet-53作为主干网络的水果目标检测模型,平均识别精度达到85.91%.

关 键 词：图像识别 卷积神经网络 DarkNet-53  组归一化  YOLOv3  

分 类 号：TP312]