基于卷积神经网络和迁移学习的花卉图像分类OA
Flower image classification based on convolutional neural network and transfer learning
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.
张秋颖;金雪松
哈尔滨商业大学计算机与信息工程学院,哈尔滨150020哈尔滨商业大学计算机与信息工程学院,哈尔滨150020
信息技术与安全科学
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
《哈尔滨商业大学学报（自然科学版）》 2020 (3)
323-327,5
评论