收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于迁移学习的花卉图像分类模型与算法研究

刘晓波  
【摘要】:在植物学领域中,对花卉科属的分类是一个十分基础的工作。不同类型的花卉可能具有相似的颜色、形状和外观等特征,对于没有深入了解植物花卉相关知识的普通人来说,能够对常见的花卉种类准确做出准确的判别仍具有一定难度。对此本文采用基于深度学习卷积神经网络算法实现对多种常见花卉识别与分类研究工作。本文的主要研究内容有:收集整理包含20种花卉图像的花卉数据集,数据集一部分来自牛津Oxford 102Flowers数据集,一部分由网络爬虫所得,通过对图像数据集采用翻转、旋转加噪声等方式进行数据增广。将增广后数据集按照一定比例切分为模型训练集、验证集以及测试集。基于Alex Net和VGG16两种预训练模型的迁移学习实现花卉图像分类。分别使用两种不同迁移学习策略对Alex Net和VGG16进行迁移学习训练,比较两种模型分别在花卉图像训练集和验证集上损失值和正确性。实验结果表明,基于Alex Net预训练模型网络模型采用特征提取微调输出层的迁移学习方式在测试集可达到91%准确率,而VGG16网络模型采用微调后三层全连接层迁移学习方式在测试集上可达到92%准确率。搭建了一个浅层卷积神经网络Flower_cnn实现花卉图像识别。并提出一种改进的将Adam同学习率衰减策略相结合的优化算法,经过实验,使用改进后的优化算法比使用Adam优化算法训练的模型准确率提高2%。提出基于迁移学习的花卉图像分类模型融合的方法。使用GAP代替传统的全连接层,对Alex Net和VGG16及Flower_cnn网络模型进行改进,并在花卉图像数据上进行迁移训练。改进后的模型相比基于原预训练模型在花卉图像数据上进行迁移训练的方式,模型的准确性及训练效率都得到了提高。为了进一步加强模型泛化性,实验结合集成学习中模型融合的思想,分别采用相对多数投票法和简单平均法对三种模型进行融合。经实验验证,融合后的集成模型相较于单一模型在花卉图像数据集上识别准确性及稳定性得到了有效提升,且采用平均法融合的集成模型泛化性更高。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 徐光柱;朱泽群;尹思璐;刘高飞;雷帮军;;基于轻量级深层卷积神经网络的花卉图像分类系统[J];数据采集与处理;2021年04期
2 黄宏梅;陆卫忠;杨茹;曹燕;;深度学习在花卉养护技术中的应用[J];计算机系统应用;2020年03期
3 谢小红;陆建波;李文韬;刘春霞;黄华梅;;基于迁移学习的服装图像分类模型研究[J];计算机应用与软件;2020年09期
4 吴迪;侯凌燕;刘秀磊;李红臣;;一种改进的深度神经网络的花卉图像分类[J];河南大学学报(自然科学版);2019年02期
5 王改华;李涛;吕朦;袁国亮;;采用无监督学习算法与卷积的图像分类模型[J];华侨大学学报(自然科学版);2018年01期
6 王楚;;基于深度学习方法的乳腺癌图像分类研究[J];信息通信;2020年12期
7 杨涵方;周向东;;基于深度稀疏辨别的跨领域图像分类[J];计算机工程;2018年04期
8 吴健;贾宏宇;;基于迁移学习的图像分类方法研究[J];河南科技;2018年31期
9 龚安;姚鑫杰;杜波;李维浩;;基于集成学习与生成对抗网络的皮肤镜图像分类方法[J];科学技术与工程;2021年03期
10 谢小红;李文韬;;基于迁移学习的图像分类训练方法研究[J];信息与电脑(理论版);2020年07期
11 胡胜利;吴季;;一种基于迁移学习的小样本图像分类方法[J];湖北理工学院学报;2021年02期
12 郑誉煌;戴冰燕;熊泽珲;陈钊;;基于迁移学习的可回收生活垃圾图像分类识别研究[J];广东第二师范学院学报;2020年03期
13 孙东洋;刘辉;张纪红;孙利元;王清;赵建民;;基于深度卷积神经网络的海洋牧场岩礁性生物图像分类[J];海洋与湖沼;2021年05期
14 洪树亮;巴丽合亚·卡里布汗;程丽娟;;基于深度学习的垃圾图像分类模型的研究[J];新型工业化;2021年03期
15 张秋颖;金雪松;;基于卷积神经网络和迁移学习的花卉图像分类[J];哈尔滨商业大学学报(自然科学版);2020年03期
16 许少尉;陈思宇;;基于深度学习的图像分类方法[J];电子技术应用;2018年06期
17 江显森;;图像分类中的深度主动学习研究综述[J];长江信息通信;2021年03期
中国重要会议论文全文数据库 前20条
1 王向月;潘杰;;基于多模型生成特征的零样本图像分类[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
2 肖白云;孔毅;;基于注意力生成对抗网络的半监督图像分类[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
3 姚万业;孙沛杰;冯涛明;王祝;;基于空洞卷积金字塔结构的改进CNN图像分类方法[A];第40届中国控制会议论文集(15)[C];2021年
4 刘颖;张倩楠;董海涛;程美;刘红燕;王富平;范九伦;;基于自适应权重CNN特征融合的现勘图像分类方法[A];2017-2019年“学术金秋”获奖论文集[C];2020年
5 吴楠;李晓曦;宋方敏;;图像挖掘及其在医学图像分类中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年
6 朱松豪;刘佳伟;胡荣林;;一种图像分类的新方法[A];第26届中国控制与决策会议论文集[C];2014年
7 吕丹;;花卉产业的建设与发展[A];第六届云南省科协学术年会暨红河流域发展论坛论文集——专题一:红河流域特色产业转型升级[C];2016年
8 单丽君;陈建成;;论北京市花卉交易市场建设[A];第二届中国林业技术经济理论与实践论坛论文集[C];2007年
9 杨畅;刘胜令;;花卉从业人员职业素养“职业化”训练的研究与实验[A];全国职教德育教学研究会2012年职业素养内涵与训练研究专辑[C];2012年
10 毛洪玉;;农业院校花卉学课程教学改革的实践思考[A];中国风景园林教育大会论文集[C];2006年
11 朱滢;陈红岩;卢鸿燕;宋碧琰;胡宇虹;周悦玥;刘东焕;刘东燕;成雅京;陈春玲;牛夏;崔娇鹏;吴菲;宋华;赵世伟;;第七届中国花卉博览会花卉与科技馆布展技术研究[A];中国植物园(第十五期)[C];2011年
12 和继祖;;植物王国的花卉产业大有可为[A];2002中国未来与发展研究报告[C];2002年
13 李卫华;钟荣辉;;花卉科技工作在新世纪的对策[A];花卉研究20年——广东省农业科学院花卉研究所建所20周年论文选集(1984-2004)[C];2004年
14 傅水标;王江美;;上虞市花卉产业现状与发展对策[A];浙江省第二届林业科技周科技与林业产业论文集[C];2005年
15 连张飞;刘志成;苏明华;;闽台花卉产业合作发展策略[A];热带作物产业带建设规划研讨会——其他热带经济作物产业发展论文集[C];2006年
16 张玲瑞;邢达;;利用延迟荧光技术迅速实现花卉衰老的无损在位检测[A];中国光学学会2006年学术大会论文摘要集[C];2006年
17 骆芳;;城市道路花卉应用存在问题及其对策——以杭州市城市道路花卉应用为例[A];2006浙江林业科技论坛论文集[C];2006年
18 金剑平;文方德;;生物技术与花卉产业化实务[A];全国“植物生物技术及其产业化”研讨会论文摘要集[C];2007年
19 彭仁;莫晓凤;;进出境种苗花卉检疫现状及思考[A];中国植物病理学会2008年学术年会论文集[C];2008年
20 任全进;于金平;;浅谈花卉的赏、药、食、饮文化[A];2008中国花文化学术研讨会论文集[C];2008年
中国博士学位论文全文数据库 前20条
1 王丹;基于无监督与半监督框架的医学图像分类关键技术研究[D];吉林大学;2020年
2 李青;基于特征学习和机器学习的图像分类识别算法研究[D];西南交通大学;2020年
3 张璐;基于深度空间特征学习的极化SAR图像分类[D];西安电子科技大学;2019年
4 杨宝庆;基于字典学习的图像分类算法及应用研究[D];上海交通大学;2017年
5 唐芃;基于弱监督学习的物体检测及其在图像分类中的应用[D];华中科技大学;2019年
6 郑昱;面向大规模图像分类的层次化多任务学习算法研究[D];西安电子科技大学;2017年
7 郭雨薇;基于超像素表征和模糊特征学习的图像分类与识别[D];西安电子科技大学;2017年
8 李晓;基于迁移学习的跨域图像分类方法研究[D];西安电子科技大学;2017年
9 滑文强;小样本下的极化SAR图像分类问题研究[D];西安电子科技大学;2018年
10 张姝茵;基于判别性特征学习的极化SAR图像分类[D];西安电子科技大学;2018年
11 丁拥科;基于先验信息辅助的高分辨率SAR图像分类方法研究[D];上海交通大学;2017年
12 侯赛辉;图像物体的精细化分类方法研究[D];中国科学技术大学;2019年
13 吕恩辉;基于卷积神经网络的图像分类研究[D];中国矿业大学;2019年
14 胡慧君;带钢缺陷图像分类中的智能算法研究[D];武汉大学;2015年
15 常合友;基于字典学习的图像分类研究[D];南京理工大学;2017年
16 罗长志;多类别图像分类的关键技术研究[D];合肥工业大学;2017年
17 谢雯;基于判别字典学习和自编码网络的极化SAR图像分类[D];西安电子科技大学;2017年
18 葛昊;基于深度学习的图像分类方法研究[D];电子科技大学;2020年
19 贾世杰;基于内容的商品图像分类方法研究[D];大连理工大学;2013年
20 韩东峰;图像分类识别中特征及模型的若干问题研究[D];吉林大学;2008年
中国硕士学位论文全文数据库 前20条
1 刘晓波;基于迁移学习的花卉图像分类模型与算法研究[D];中北大学;2021年
2 冯飞;基于深度学习的花卉图像分类研究[D];贵州财经大学;2020年
3 谢晓东;面向花卉图像的精细图像分类研究[D];厦门大学;2014年
4 秦敏;基于深度学习的花卉图像分类识别模型研究[D];广西师范大学;2020年
5 武慧琼;基于三支决策的花卉图像延迟分类方法研究[D];太原科技大学;2019年
6 李川子;基于正则化和深度迁移学习的图像分类研究[D];河北师范大学;2021年
7 孙垚棋;基于深度学习的花卉识别模型研究[D];杭州电子科技大学;2021年
8 赵伟竹;基于深度学习的生活垃圾图像分类研究[D];东北财经大学;2020年
9 赵伟竹;基于深度学习的生活垃圾图像分类研究[D];东北财经大学;2020年
10 陈浩月;基于深度学习的中国绘画图像分类[D];杭州电子科技大学;2019年
11 蔡爱华;迁移学习和元学习在小样本医学图像分类任务上的研究[D];华东师范大学;2021年
12 刘诗琪;基于迁移学习的小样本航拍场景图像分类研究与实现[D];电子科技大学;2020年
13 杨楠;基于内容的商品图像分类技术研究[D];大连理工大学;2011年
14 张建鹏;基于深度学习的医学图像分类技术研究[D];西北工业大学;2019年
15 尹安琪;基于因素空间的零样本图像分类技术研究[D];沈阳理工大学;2020年
16 陈晨;基于深度学习及知识挖掘的零样本图像分类[D];中国矿业大学;2016年
17 张磊;特征重校准密集连接网络及服装图像分类研究[D];东华大学;2021年
18 张杨;基于残差网络的花卉及其病害识别的研究与应用[D];南京信息工程大学;2020年
19 李康;基于深度学习的垃圾图像分类方法研究[D];西安工程大学;2021年
20 侯超群;主动学习策略研究及其在图像分类中的应用[D];厦门大学;2019年
中国重要报纸全文数据库 前20条
1 本报记者 巩雅菲;加快推进全省花卉产业实现高质量跨越发展[N];云南政协报;2021年
2 记者 陆合春;花卉产业成为玉溪靓丽名片[N];玉溪日报;2021年
3 特约记者 查朝云;马龙花卉产业实现产值5.2亿元[N];曲靖日报;2022年
4 本报记者 吴璇;26万盆展摆花卉即将“上岗”[N];银川日报;2022年
5 记者 吕文康;努力推进我市花卉产业高质量发展[N];昆明日报;2022年
6 记者 张雁群;斗南加快建设花卉产业综合配套服务区[N];云南日报;2022年
7 记者 刘红文 通讯员 魏百宁 高宇;大棚花卉开出乡村振兴新“花”样[N];阿克苏日报(汉);2022年
8 记者 姜兴贵;花卉市场积极寻求转型“突围”[N];广东建设报;2021年
9 兰州日报社全媒体记者 张建平;新区花卉产业成为乡村振兴的“源头活水”[N];兰州日报;2021年
10 沈阳日报、沈报全媒体记者 岳雨;做大做强花卉产业 助力乡村振兴[N];沈阳日报;2021年
11 记者 王绍芬 通讯员 朱玉;省花卉园签约5个项目[N];昆明日报;2021年
12 记者 李若生;黄堽镇:花卉产业催生“美丽经济”[N];菏泽日报;2021年
13 首席记者 廖兴阳;亚洲最大单体智慧花卉大棚年内在昆投产[N];昆明日报;2021年
14 记者 贾佳;花卉产业集聚区以高起点开拓乡村产业振兴新局面[N];东方城乡报;2022年
15 本报编辑部;2021年花卉产业十大新闻[N];中国花卉报;2022年
16 本报记者 蔡亚晓;如何让时令花卉保持最佳的生长状态[N];中国花卉报;2021年
17 本报记者 薛光卿;销售前期平稳,后期部分积压 差异化精品花卉呈现销量突破[N];中国花卉报;2022年
18 本报记者 郭馨怡;年宵期间,春天花乐园里哪些花卉受欢迎?[N];中国花卉报;2022年
19 郭振;花卉有虫甭发愁[N];山西科技报;2002年
20 本报记者 陈愉;“鲜花经济”升温 攀枝花花卉产业另辟蹊径[N];攀枝花日报;2022年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978