基于卷积神经网络和迁移学习的花卉图像分类

作者：张秋颖; 金雪松

来源：哈尔滨商业大学学报(自然科学版), 2020, 36(03): 323-327.

DOI：10.19492/j.cnki.1672-0946.2020.03.012

• 花卉分类
• 深度学习
• 卷积神经网络
• 迁移学习
• 深度特征
• 数据增强

花卉分类在研究中具有重要的研究价值和应用价值.针对花卉数据集缺少和分类精度低的问题,整理一个花卉数据集并使用卷积神经网络(Convolutional Neural Network,CNN)对数据集分类.传统分类方法多为提取花卉图像的颜色特征、纹理特征和形状特征,手动提取特征存在特征选择困难和特征提取不充分的问题.使用多种卷积神经网络自动提取花卉图像高级特征,采用迁移学习的方式训练网络.结果表明,卷积神经网络可以提取更丰富的特征,相对传统分类方法可以大幅度的提升准确率.

• 单位
  哈尔滨商业大学