基于并行残差卷积神经网络的多种树叶分类

作者：魏书伟; 曾上游; 周悦; 王新娇

来源：现代电子技术, 2020, 43(09): 96-100.

DOI：10.16652/j.issn.1004-373x.2020.09.023

• 树叶分类
• 卷积神经网络
• 残差学习
• 图像特征提取
• 批量归一化
• 测试效果对比

树叶分类识别对于鉴定新的或者稀缺树种至关重要,采用卷积神经网络算法可以实现对树叶图像特征的自动提取,减少繁琐的人工成本,实现使用人工智能的方法来分类树叶。实验采用一种并行残差卷积神经网络和一种加入残差学习的传统Alexnet网络在制作的30种分类树叶的数据集上测试效果并作对比。以上两种方式分别比传统Alexnet网络提高了15.36%和9.36%,而且使网络更轻量化,最高准确率为90.67%,为树种识别研究提供了有效的分类方法。

• 单位
  广西师范大学; 电子工程学院