基于CapsNet神经网络的树叶图像分类模型

摘要：

对树木研究的基础是对其进行分类处理.本文结合CapsNet神经网络模型,以提高树叶分类的准确率为目的,使用实验室拍摄的10种树叶图片建立树叶分类模型.考虑到模型效率和图像大小,在原有CapsNet上与传统卷积神经网络相结合,通过优化动态路由算法对CapsNet进行改进,得到了E-CapsNet网络模型,同时与经典的神经网络模型AlexNet和Inception V3模型进行对比.经过50次epoch的训练,模型训练准确率最高达到99.15％,验证集的准确率为98.51％,测试集准确率为98.63％,对比原CapsNet网络,测试集准确率提高了2.51％.实验结果表明,改进后的E-CapsNet模型实现了更高的精度.

关键词：胶囊网络、神经网络、图像分类、树叶识别、动态路由

所属期刊栏目：43

分类号：TP391.4;S718.3(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金项目C2017005

在线出版日期：2021-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：143-151