- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于卷积神经网络的植物叶片分类
计 算 机 与 现 代 化
2014年第4期 JISUANJIYUXIANDAIHUA 总第224期
文章编号:1006-2475(2014)04-0012-04
基于卷积神经网络的植物叶片分类
龚丁禧,曹长荣
(厦门大学信息科学与技术学院,福建 厦门 361005)
摘要:回顾近年来国内外植物叶片分类的研究进展 ,指出传统方法存在的缺陷。简述卷积神经 网络在图像分类的优势,
为了简单高效地对植物叶片进行识别,提 出一种基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的植物叶片识别
方法。在Swedish叶片数据集上的实验结果表明,本算法识别正确率高达99.56%,显著优于传统的叶片识别算法。
关键词:植物叶片分类;卷积神经网络;深度学习;神经网络;特征图
中图分类号:TP391 文献标识码 :A doi:10.3969/j.issn.1006-2475.2014.04.003
PlantLeafClassificationBasedonCNN
GONG Ding-xi,CAO Chang—rong
(SchoolofInformationScienceandTechnology,XiamenUniversity,Xiamen361005,China)
Abstract:Plantplaysanimportantroleinhumanlife,SOitisnecessarytobuildanautomaticsystem forrecognizingplant.Plant
leafclassificationhasbecomearesearchfocusofrtwentyyears.However.conventionalmethodsofrrecognizingplantleafhaveva.
riousdrawbacks.CNNgainedgreatsuccessinimagerecognition,inordertoutilizeCNN torecong izeplantleaf,ahierarchical
modelbasedonconvolutionalneuralnetworkisproposed.WeappliedourmethodtoSwedishleaf datasetclassification,theexper-
imental resultsshowedthattheproposedmethodisquiteeffectiveandfeasible.
Keywords:plantleaf classification;convolutional neuralnetwork;deeplearning;neural network;featuremap
大豆叶片进行分类。2001年,Soderkvistl4使用叶片
0 引 言
的几何特征,采用 BP前馈神经网络对 15种瑞典树
植物在人类生活中扮演着非常重要的角色,对各 木进行分类,实验用到的l5种叶片组成的数据集后来
种植物分门别类地建立数据库,利用人工智能方法 自 成为一个标准数据集——swedish叶片数据集,很多研
动识别植物,对植物进行方便的管理和保护意义重大。 究者利用该数据测试他们的方法。2O07年,Ling等人
在植物形状分类学中,根据植物的花、叶的形状 利用轮廓内最小距离改进形状上下文(ShapeContextU—
分为不同类别 。在 自然界中,通常花的形状结构是三 singInner—Distance,SCID),然后使用动态规划对叶片形
维的,分析起来比较复杂,而叶片的形状结构一般都 状进行匹配。
文档评论(0)