您现的位置:首页 > 数据库检索 > 中文期刊 

基于深度残差网络与迁移学习的毒蕈图像识别*

加收藏
  • 【题名】:基于深度残差网络与迁移学习的毒蕈图像识别*
  • 【年份】:2020
  • 【作者】:樊帅昌,易晓梅,李剑,惠国华,郜园园
  • 【关键词】:图像识别  深度残差网络  迁移学习  毒蕈  数据增强
  • 【摘要】:我国毒蕈种类繁多且分布广泛,经常有人因无法鉴别毒蕈和可食用菌而误食毒蕈,导致身体健康甚至生命安全受到严重威胁。为了减少毒蕈中毒事件的发生,本文以中国常见毒蕈为研究对象,提出基于深度残差网络与迁移学习的毒蕈图像识别方法。首先通过互联网途径获取常见种类的毒蕈和非毒蕈的图像,经筛选后得到18种毒蕈和5种非毒蕈共14 669张图像,使用数据增强扩充数据量,建立中国常见毒蕈图像数据集。然后以ResNet-152为预训练网络模型,采用基于模型的迁移学习方法,构建出毒蕈图像识别的模型结构,以Adam算法为模型优化方法,最后通过k折交叉验证进行模型训练。试验结果表明,毒蕈图像识别模型Top-1和Top-5准确率分别为92.17%和97.35%,对于常见毒蕈图像具有较高的识别率,可以有效的帮助人们避免误食毒蕈,为毒蕈识别研究提供新的方法。
  • 【期刊名】:传感技术学报
  • 【分类号】:TS219;TP391.41;TP18
  • 【期号】:第1期
  • 【资金项目】:浙江省公益技术研究项目(GG19F010038,2019C02075,LGG18F030006,LGG19F010012);国家自然科学基金项目(U1709212);浙江省自然基金项目(LY19F030023)
  • 【作者简介】:樊帅昌 (1994-),男,河南平顶山人,现为浙江农林大学信息工程学院硕士研究生,研究方向为深度学习与图像识别,2026555785@qq.com; 易晓梅 (1980-),女,湖南常德人,副教授,硕士生导师,研究方向为深度学习、图像处理与模式识别,yxm@zafu.edu.cn。
  • 【作者单位】:浙江农林大学信息工程学院;林业感知技术与智能装备国家林业与草原局重点实验室;浙江省林业智能监测与信息技术研究重点实验室;青岛农业大学理学与信息科学学院
  • 【页码】:74-83
相关文献
基于自回归预测模型深度注意力强化学习方法<sup>*sup>
基于网络特征加权行人重识别研究
基于深度学习语义分割桥梁病害图像像素级识别方法
意见领袖跨圈层传播“回音室效应”<sup>*sup> ——基于深度学习文本分类及社会网络分析方法
基于深度学习漏磁检测缺陷识别方法<sup>*sup>
基于网络快速图像风格迁移研究
基于深度强化学习图像智能识别输电线路在线监测系统
基于深度生成式对抗网络样本生成方法
基于迁移学习可回收生活垃圾图像分类识别研究
基于卷积网络特征迁移小样本物体图像识别
获取此文方式
CNKI期刊
下载请求:
   

说明:点击”存到网盘“按钮即收取费用,重复点击不收费,如果下载失败,我们会自动转为文献传递方式处理,稍侯请关注您网盘上该文献的信息,从网盘上下载该文献不用重新付费。