计算机技术与发展2022，Vol.32Issue(7) ：167-172.DOI:10.3969/j.issn.1673-629X.2022.07.029

改进ResNet18网络模型的花卉识别

Flower Recognition Based on Improved ResNet18 Network Model

赵洋 梁迎春 许军 李大舟
计算机技术与发展2022，Vol.32Issue(7) ：167-172.DOI:10.3969/j.issn.1673-629X.2022.07.029
✕
  • 维普
  • 万方数据

改进ResNet18网络模型的花卉识别

Flower Recognition Based on Improved ResNet18 Network Model

赵洋 1梁迎春 2许军 2李大舟1
扫码查看

作者信息

  • 1. 沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142;辽宁省化工过程工业智能化技术重点实验室,辽宁 沈阳 110142
  • 2. 沈阳化工大学 计算机科学与技术学院,辽宁 沈阳 110142
  • 折叠

摘要

花卉识别在生活中有重要的应用和研究价值.目前传统的花卉识别方法都是通过人工手动选择多个特征进行分类,存在识别准确率低、泛化能力较弱和分类时间长等问题.由于不同的花朵之间存在相似度,通过对每张图片随机变化,增强数据集,把花卉作为研究对象,提出了一种基于ResNet18网络模型优化的花卉识别方法.将ResNet18网络模型中残差块的基础卷积替换为空洞卷积,提取花卉图片更多的细节特征来实现高精度,接着在每个残差块后分别加入经过改进的通道注意力机制优化网络权重,构造改进的ResNet18网络模型,在Oxford 102 Flowers牛津花卉数据集上的实验进行了仿真.实验结果显示,在Oxford 102 Flowers牛津花卉数据集上ResNet网络模型相较于基础AlexNet、VGG-16网络模型准确率高.改进的ResNet网络模型识别精度可以高达97.78％,比仅使用空洞卷积的模型提高了3.11个百分点,比原模型提高了4.45个百分点.改进的ResNet18网络模型在花卉识别的泛化和拟合能力有显著的提高.

关键词

ResNet18/注意力机制/空洞卷积/花卉识别/深度学习

引用本文复制引用

基金项目

辽宁省教育科学研究项目(L2016011)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量5
参考文献量10
段落导航相关论文