基于微调优化的深度学习在果蔬识别中的应用

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：果蔬图像分类是图像识别的重要组成部分,是实现果蔬农产品自动化分类的关键技术.果蔬图像识别面临的主要挑战在于果蔬种类众多,缺乏大量的有标签数据,难以通过监督学习方法来实现果蔬图像分类.针对上述问题,本文构建果蔬图像数据集,提出将融合迁移学习的深度卷积网络用于果蔬图像识别.为了验证该方法的有效性,采用特定方式微调模型参数,在数据集上进行了实验.实验结果表明,通过微调优化方法,模型的准确性提升3％以上,为深度学习的微调优化提供一定的参考依据.

外文标题：Application of deep learning based on fine tuning optimization in fruit and vegetable recognition

作者：

来晓

展开 >

作者单位：

浙江农林大学信息工程学院,杭州311300

关键词：

果蔬图像分类深度卷积网络迁移学习微调优化

出版年：

2021

智能计算机与应用

哈尔滨工业大学

智能计算机与应用

影响因子：0.357

ISSN：2095-2163

年,卷(期)：2021.11(4)

被引量1
参考文献量3