科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了应对动物保护工作者和普通民众希望对国内珍稀动植物准确识别并加以保护的场景,实验提出一种基于数据增强技术和迁移学习的深度学习方法,并借助App实现实时的珍稀动植物识别。首先使用迁移模型提取基于ImageN-et数据集的标准化瓶颈描述算子和所有卷积层神经网络的权重,然后通过网络爬虫搜集大量野生珍稀动植物图片,并对得到的数据集分别进行静态数据增强和动态数据增强,用来训练迁移模型新的特征表示。实验使用Softmax函数实现多物种分类。实验中,分别采用MobileNet、InpectionV3等不同模型的不同参数进行训练,得到不同配置下模型的准确率并加以比较,最后将其应用于真实自然场景,实现了90%...
- 单位
