首页|基于Gibbs采样和残差连接的AlexNet蔬菜识别算法

基于Gibbs采样和残差连接的AlexNet蔬菜识别算法

扫码查看
原文链接
  • 万方数据
  • 维普
为了进一步提高蔬菜识别的精度,提出了基于Gibbs采样和残差卷积神经网络的蔬菜识别算法,本文将其命名为GiRAlexNet算法.根据马尔科夫随机场与吉布斯随机场的等价性构建图像概率模型,用Gibbs采样获取最优样本点集合,随机取点切割图片.通过GoogleNet、ResNet和AlexNet模型实验显示,分类准确率分别提升了9.22%,3.34%和9.19%.大量实验表明,该GiRAlexNet算法对蔬菜识别的准确率达到98.14%.
AlexNet vegetable recognition algorithm based on Gibbs sampling and residual connection

vegetable recognitionMRFGibbs samplingAlexnetresidual structurecutting image

刘嫚嫚、代琦

展开 >

浙江理工大学计算机科学与技术学院,浙江 杭州 310000

蔬菜识别 MRF Gibbs采样 Alexnet 残差结构 切割图像

2023

10.16644/j.cnki.cn33-1094/tp.2023.09.010

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(9)
  • 4