首页|基于迁移学习与改进型AlexNet的蝴蝶分类算法

基于迁移学习与改进型AlexNet的蝴蝶分类算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
蝴蝶分类是保护蝴蝶物种多样性、观测大气变化的首要工作.为了提高蝴蝶种类识别的准确率,改善复杂网络算法运行时间长的缺陷,提出了 一种基于迁移学习与改进型AlexNet的蝴蝶分类算法.该算法将AlexNet作为预训练模型,使其成为新模型的特征提取器,并在AlexNet算法的基础上,通过调整卷积核数量、替换归一化LRN(local response normalization)层、减少全连接层个数、增加均值下采样层等,进行改进与优化.实验结果表明,改进算法对蝴蝶种类识别的准确率高于原AlexNet算法,并具有更优的识别效率,提升了整体模型的性能.
Butterfly Classification Algorithm Based on Transfer Learning and Improved AlexNet

butterfly speciesneural networkconvolutionimage classificationAlexNet

杨大为、蔡宇

展开 >

沈阳理工大学信息科学与工程学院,辽宁沈阳 110158

蝴蝶种类 神经网络 卷积 图像分类 AlexNet

辽宁省教育厅科学研究经费项目沈阳理工大学科研创新团队建设计划

LG201915SYLUTD202105

2023

10.13976/j.cnki.xk.2023.2178

信息与控制
中国自动化学会 中国科学院沈阳自动化研究所

信息与控制

CSTPCDCSCD北大核心
影响因子：0.576
ISSN：1002-0411
年,卷(期)：2023.52(4)
  • 13