基于迁移学习的植物花朵图像识别方法

摘要：

针对深度学习中训练图像识别模型需要庞大的数据集,然而在实际情况中不仅难以收集到大量的样本,而且在收集和打标的过程中需要大量人力物力的问题,该文提出了一种基于迁移学习的植物花朵识别方法,不仅有效降低训练数据集规模、简化网络层次,而且降低了训练时间和计算资源.该方法通过迁移预先训练好的Inception-v3模型到已经处理好的植物花朵数据集上进行训练,分别将三种目标图像数据集处理成模型输入所需要的一位数组,然后导入模型开始训练,通过参数微调和训练上千次模型精确度稳定后,再将得到的原始模型文件持久化成可以直接使用的预测模型,以此来预测新的花朵或非花植物图像.通过实验发现,本方法的准确率达到了95.0％.

关键词：深度学习、迁移学习、图像识别、分类、卷积神经网络

所属期刊栏目：16

分类号：TP183(自动化基础理论)

资助基金：嘉兴学院国家级大学生创新创业训练计划项目201910354023

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：201-204