基于深度学习模型的花卉种类识别

摘要：

提出了一种新的带有多个隐层的深度卷积神经网络,用于非刚性物体的识别.以花卉识别为例子向导,通过分析本文提出的深度神经网络架构、卷积和池化方法以及反向传播误差等主要方法,构造出了一个全新的深度卷积识别模型.通过针对ImageNet数据库中的80类花卉图像做训练和识别,在实验过程中与传统神经网络和支持向量机做比较,结果表明本文提出的算法能够提升花卉识别10%以上的识别率,提升效果明显.

关键词：深度学习、卷积神经网络、卷积、池化、花卉识别

所属期刊栏目：33

分类号：TP183(自动化基础理论)

在线出版日期：2017-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：115-119