基于改进ResNet34网络的树种识别研究

作者：朱莉; 宋绪秋; 邢鑫; 殷鑫; 郭骐瑞

来源：国外电子测量技术, 2022, 41(07): 119-125.

DOI：10.19652/j.cnki.femt.2203784

• ResNet
• 树种识别
• 卷积神经网络
• 迁移学习

为了快速高效的提高树种识别工作的效率，解决识别工作中的遇到的困难，提出一种基于改进卷积神经网络的高效树种识别方法。实验以残差网络(residual network, ResNet)为基础网络加以改进，应用迁移学习的知识，加快网络的训练过程，使其更快的拟合，并对网络结构进行了适当的修改，使其更适合本实验的任务。实验模型网络应用Adam优化器进行训练，采用学习率衰减器寻找模型最优解，为了增加网络的泛化能力，对实验图像进行了数据增强。实验结果表明，与未改进的VGG16、ResNet18、ResNet34网络相比，改进的网络识别准确度分别提高了26.93%、2.91%、1.33%,同时兼顾到了准确度与高效性，模型能够较好的胜任树种识别任务。

• 单位
  东北林业大学; 机电工程学院