基于CapsNet神经网络的树叶图像分类模型

作者：张冬妍; 韩睿; 张瑞; 曹军

来源：西南大学学报(自然科学版), 2021, 43(08): 143-151.

DOI：10.13718/j.cnki.xdzk.2021.08.018

• 胶囊网络
• 神经网络
• 图像分类
• 树叶识别
• 动态路由

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.

• 单位
  东北林业大学; 机电工程学院