多线索植物种类识别

摘要：

大多数关于自动植物识别的现有研究,集中于识别植物的单一器官,例如,花、叶或果实.使用单个器官的植物识别不够可靠,因为许多不同的植物却有着极其相似的器官.对于野外直接采集的图片,通常都有着复杂的背景,这也是目前的植物图像识别准确率不高的又一个原因.为了克服图像识别中的这两个难题,提出一种基于迁移学习的多线索植物识别方法,采用深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)通过迁移学习,训练花、果、叶和整株的单器官分类器,根据各个分类器预测的标签和得分进行多器官融合识别.在PlantCLEF2017数据集上证明了模型有效性,并且植物识别性能得到了极大的提升.

关键词：深度卷积神经网络、迁移学习、植物识别、多线索

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No.61202188

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：160-165