基于卷积神经网络的植物图像分类

Journal: Advances in Computer and Autonomous Intelligence Research DOI: 10.12238/acair.v3i3.15562

黄泳深, 刘苏卉

江汉大学人工智能学院数学与大数据系

Abstract

图像分类的效果受到很多因素的影响,如图像的复杂性、噪声干扰等都影响着图像的分类效果。使用传统的图像分类方法往往难以处理这些复杂情况,使得图像分类的效果不理想,因此需要借助机器学习算法来提高图像分类的准确性。本论文以卷积神经网络模型为基础,研究算法在植物图像上的分类效果,并通过图像分类实验来实现。这包括数据集的准备、算法的选择以及参数的调整等方面。通过详细的实验设计,实现了卷积神经网络在植物图像分类任务中的分类,并使用准确率、精确率等技术指标对模型的效果进行评估和比较。获得的实验结果显示,CNN模型Resnet-18达到了98%,说明效果良好。

Keywords

植物图像分类；卷积神经网络：基础研究算法

Full Text

PDF - Viewed/Downloaded: 0 Times

References

[1] 李蕾.一种改进的SVM遥感图像分类方法[J].北京测绘,2023,37(06):903-907.
[2] 张伟.基于改进果蝇算法的支持向量机参数优化研究[D].安徽理工大学,2022.75.
[3] 张粮,王璇之.基于决策树算法的水果分类识别[J].科技创新与应用,2024,14(06):18-23.
[4] 陈雪鑫.基于多特征融合的双路深度信念神经网络水果分类技术研究[D].青岛大学,2020.75.
[5] 王爱丽,丁姗姗,刘和.空谱域适应与XGBoost结合的跨场景高光谱图像分类[J].光学精密工程,2023,31(13):1950-1961.

Citing this article:

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License