FC-CNN:基于卷积神经网络的水果图像分类算法

摘要：

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活函数组成的网络结构,利用Sofmax loss和L2正则化进行损失函数设计.算法使用卷积加步长替代池化层,让网络具有自主学习下采样能力,使用批量规范化层用于解决网络过拟合问题.采用Fruits-360数据集进行测试,实验表明,FC-CNN可以识别出48种水果,准确率可达到99.63％.与现有的深度学习水果图像分类算法相比,FC-CNN的识别准确率更高,识别种类更多.

关键词：水果分类、深度学习、卷积神经网络、批量规范化

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-03-02（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：67-71