期刊专题

10.13360/j.issn.2096-1359.2019.03.018

基于改进卷积自编码机的油茶果图像识别研究

引用
为进一步提高油茶果识别的速度与精度,提出一种基于改进卷积自编码机神经网络的油茶果图像识别方法.该方法以非对称分解卷积核提高训练速度,以输出端重构输入端的直连训练方式减少信息损失;利用改进的自编码机训练不同颜色通道的图像,随后在共享层中利用金字塔池化算法融合高阶特征,利用softmax算法构建分类器.结合selective-search算法生成候选区域,并对其进行筛选,利用训练好的网络设计油茶果果实图像检测器验证算法的实用性.改进算法100次迭代所需时间为166 s,平均识别准确率为90.4%;改进模型收敛性能较好,学习能力强,经过10次迭代之后即可达到85%的识别准确率,在样本数目为200的小数据集上可达到82%的识别准确率;同时,检测器的搭建验证了算法的有效性,在2s内即可实现对单张实际图像上目标区域的检测,总体识别精度为87%,使得算法具有一定的实时检测能力.试验结果证明,改进后的算法具有较高的识别准确率与学习能力,以及一定的实用性,可为油茶果图像识别提供参考.

油茶果、图像识别、深度学习、卷积神经网络、自编码机

4

TP391.4(计算技术、计算机技术)

湖南省科技计划重点研发项目2016NK2142;湖南省高校科技创新团队支持计划2014207

2019-08-02(万方平台首次上网日期,不代表论文的发表时间)

共7页

118-124

暂无封面信息
查看本期封面目录

林业工程学报

1000-8101

32-1862/S

4

2019,4(3)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn