首页|基于改进的AlexNet卷积神经网络的植物叶片识别

基于改进的AlexNet卷积神经网络的植物叶片识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对多类植物叶片识别准确率和计算效率低问题,通过残差连接卷积层,构建了一种基于残差连接的Alexnet卷积神经网络.对卷积层的输入数据进行批归一化,进而加速网络的收敛速度.利用两种不同的全局池化算法既能减少特征图数目又能提高算法识别植物叶片的准确性和计算效率.对于不同种类植物叶片,实验验证残差连接的Alexnet卷积神经网络能够进行高效识别.
Plant Leaf Recognition Based on Modified AlexNet Convolutional Neural Network

孙颖异、李健、时天、孙中波

展开 >

吉林农业大学信息技术学院,长春 130117

吉林大学通信工程学院,长春 130025

长春工业大学电气与电子工程学院,长春 130012

吉林大学,教育部仿生工程重点实验室,长春 130025

展开 >

植物叶片 卷积神经网络 残差连接 全局池化

国家自然科学基金吉林省生态环境厅环境保护科研项目吉林省教育厅科学研究规划项目吉林省教育厅科学研究规划项目

批准号:41601454吉环科字第2019-02号JJKH20200333KJJJKH20200329KJ

2020

种子
贵州省种子管理站 贵州省种子学会 中国种子协会

种子

CSTPCD北大核心
影响因子：0.502
ISSN：1001-4705
年,卷(期)：2020.39(2)
  • 13
  • 4