基于迁移学习的农作物叶部病害图像识别的研究.pdfVIP

符 号 说 明 CNN ：Convolutional Neural Network ，卷积神经网络 DAL ：Domain Adaptation Learning ，领域自适应学习 TCA ：Transfer Component Analysis，迁移成分分析 DDC ：Deep Domain Confusion ，深度域混淆 DAN ：Domain Adaptation Network ，深度域适应网络 DANN ：Domain-Adversarial Neural Network ，域适应神经网络 JAN ：Joint Adaptation Network ，联合适应网络 MMD ：Maximum Mean Discrepancy ，最大均值误差 RKHS：Reproducing Kernel Hilbert Space ，再生核希尔伯特空间 MK-MMD ：Multi Kernel-Maximum Mean Discrepancies，多核最大均值误差 JMMD ：Joint Maximum Mean Discrepancy ，联合最大均值误差 SAN ：Selective Adversarial Networks，选择性对抗网络 HOG ：Histogram of Oriented Gradient ，方向梯度直方图 DBN ：Deep Belief Network ，深度信念网络 SGD ：Stochastic Gradient Descent ，随机梯度下降法 ANN ：Artificial Neural Network ，人工神经网络 GAN ：Generative Adversarial Networks，生成式对抗网络 RBF ：Radius Basis Function ，径向基函数 SVM ：Support Vector Machine ，支持向量机 DS ：Source Domain ，源域 DT ：Target Domain ，目标域 T ：Source Task ，源任务 S TT ：Target Task ，目标任务 目 录 中 文 摘 要 I AbstractIII 1 绪论 1 1.1 研究目的和意义 1 1.2 国内外研究现状2 1.2.1 迁移学习国内外研究现状2 1.2.2 深度迁移学习国内外研究现状3 1.2.3 迁移学习在农作物叶部病害图像识别国内外研究现状4 1.3 研究内容4 1.4 技术路线5 1.5 论文架构6 2 相关理论8 2.1 深度学习与卷积神经网络8 2.1.1 概述8 2.1.2 卷积神经网络结构8 2.1.3 卷积神经网络特点 10 2.1.4 几种典型卷积神经网络 10 2.2 迁移学习 12 2.2.1 概述 12 2.2.2 迁移学习类型 13 2.3 度量学习 14 2.3.1 概述 14 2.3.2 常见的距离 14 2.3.3 度量学习的分类 15 2.4 域适应 18 2.5 数据集说明2 1 2.6 本章小结2 1 3 基于TrAdaBoost算法的不平衡农作物叶部病害图像识别22 3.1 概述22 3.2 数据获取与预处理24 3.2.1 数据获取24 3.2.2 白化24 3.3 改进的TrAdaBoost 算法 25 3.4 实验结果与分析27 3.4.1 基于实例迁移的小麦叶部锈病图像识别28 3.4.2 基于实例迁移的茶叶叶部病害图像识别30 3.5 本章小结31 4 基于深度迁移学习与度量学习的玉米叶部病害图像识别 32 4.1 概述32 4.2 改进的AlexNet 结构 33 4.2.1 特征提取33 4.2.2 度量层34 4.2.3 侧重难分类样本的训练方式36 4.3 实验结果及分析37 4.3.1 数据获取与预处理37 4.3.2 参数设置37 4.3.3 结果分析38 4.4 本章小结40 5基于深度自适应网络的农作物叶部病害图像识别 4 1 5.1 概述4 1 5.2 二支路AlexNet 结构 4 1 5.2.1 特征提取42 5.2.2 MMD 准则42 5.3 实验结果及分析45 5.3.1 数据获取与预处理45 5.3.2 参数设置45 5.3.3 实验结果与分析46 5.4 本章小结47 6 总结与展望48 6.1 总结48 6.2 展望49 参 考