基于判别关键域和深度学习的植物图像分类

作     者：张雪芹 余丽君 ZHANG Xue-qin;YU Li-jun

作者机构：华东理工大学信息科学与工程学院上海200237 

基　　金：国家自然科学基金项目(U1536119) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2020年第41卷第3期

页      码：742-748页

摘      要：为解决植物图像细粒度分类准确率不高的问题,提出一种基于判别关键域和深度学习的植物图像细粒度分类方法(DL-CNN)。采用DeepLab算法对图像进行语义分割,得到像素级的分割图,通过映射形成植物的局部判别关键域;针对植物中存在的不连通、簇类花型等图像局部判别域不完整问题,结合局部判别关键域和全局判别域,采用卷积神经网络基于迁移学习机制建立植物图像分类模型。在公开植物图像数据集上的对比实验结果表明,该算法可以有效提高植物的细粒度分类准确率。

主 题 词：植物分类 图像语义分割 判别关键域 卷积神经网络 迁移学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2020.03.023

馆 藏 号：203908151...