科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度学习中训练图像识别模型需要庞大的数据集,然而在实际情况中不仅难以收集到大量的样本,而且在收集和打标的过程中需要大量人力物力的问题,该文提出了一种基于迁移学习的植物花朵识别方法,不仅有效降低训练数据集规模、简化网络层次,而且降低了训练时间和计算资源。该方法通过迁移预先训练好的Inception-v3模型到已经处理好的植物花朵数据集上进行训练,分别将三种目标图像数据集处理成模型输入所需要的一位数组,然后导入模型开始训练,通过参数微调和训练上千次模型精确度稳定后,再将得到的原始模型文件持久化成可以直接使用的预测模型,以此来预测新的花朵或非花植物图像。通过实验发现,本方法的准确率达到了95.0%。
- 单位
