深度迁移学习在花生叶部病害图像识别中的应用

2024-05-26 18:01:39

深度迁移学习在花生叶部病害图像识别中的应用

1、论文思路

首先迁移 Inception-v3 模型在茶叶叶部病害图像数据集上进行微调，然后将微调所得模型迁移至花生叶部病害图像数据集上继续训练。实验结果表明，Inception-v3、VGG19、ResNet50、卷积神经网络和微调卷积神经网络在测试集上的准确率分别为 94.1%、92.9%、93.2%、80.3%和 87.0%，本文提出的方法准确率为 95.3%。在花生叶部病害图像数量有限时，本文提出的方法识别准确率显著提高。

提出了一种基于微调策略的 Inception-v3（Finetuning-Inception-v3）花生叶部病害图像识别方法。

Brahimi 等基于番茄叶部病害图像数据集对 AlexNet 模型进行调整，不仅具有较高的识别准确率，而且在一定程度上减少了由病斑分割对识别效果造成的影响。

2、实验数据

其次由于受到发病率和发病地区等影响，每类病害图像数400~2000 张不等，为减少因数据集中图像数量不均造成的模型泛化能力的影响，对图像数量较少的类别进行图像增强。利用 Python 对图像进行翻转、旋转等操作以增加样本的多样性。最终获得 6700 余张图像，并划分训练集、验证集和测试集。

3、预训练模型

预训练模型是针对某一特定任务，基于大型数据集（如 ImageNet）上训练而得的模型。当解决类似任务时，不需要构建海量数据集，也不需要重新构建模型，只需将预训练模型迁移到新的任务中，根据任务对模型进行微调即可。

**

深度迁移学习在花生叶部病害图像识别中的应用相关推荐

基于深度学习的番茄叶部病害识别模型
基于深度学习的番茄叶部病害识别模型 1.研究思路为实现番茄叶病特征的自动提取,并提高识别准确率,提出一种基于深度学习的番茄叶病识别模型.该模型基于卷积神经网络对番茄叶部病害特征进行自动提取,获得高 ...
基于深度学习和支持向量机的４种苜蓿叶部病害图像识别
基于深度学习和支持向量机的4种苜蓿叶部病害图像识别 1.研究思路对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合 K 中值聚类算法和线 ...
整理学习之深度迁移学习
迁移学习(Transfer Learning)通俗来讲就是学会举一反三的能力,通过运用已有的知识来学习新的知识,其核心是找到已有知识和新知识之间的相似性,通过这种相似性的迁移达到迁移学习的目的.世间万 ...
《基于卷积神经网络的深度迁移学习，用于燃气轮机燃烧室的故障检测》论文阅读
目录突出抽象引言 1.1动机 1.2文献综述获得的结论 1.3贡献 1.4组织 2方法 2.1燃汽轮机组故障知识共享 2.2迁移学习 2.3 基于卷积神经网络的深度迁移学习 2.4用于燃气轮机燃 ...
基于特征的对抗迁移学习论文_学界｜综述论文：四大类深度迁移学习
选自arXiv 作者:Chuanqi Tan.Fuchun Sun.Tao Kong. Wenchang Zhang.Chao Yang.Chunfang Liu 机器之心编译参与:乾树.刘晓坤本 ...
基于EfficientNet网络的植物叶部病害分类
Plant leaf disease classification using EfficientNet deep learning model 1.期刊信息名称:Ecological Inform ...
SoyNet:大豆叶部病害分类（研究思路清晰）
1.研究思路提出了一种计算机视觉方法来解决这些挑战.提议的方法包括两个模块.第一个模块通过减去复杂背景从整个图像中提取叶子部分.第二个模块介绍了一种深度学习卷积神经网络(CNN),SoyNet,用于 ...
利用深度迁移学习进行基于图像的植物病害识别
1.论文信息 2.研究概述选择了在ImageNet和Inception模块上预先培训的VGGNet.不是通过随机初始化权重来从头开始训练,而是在大型标记数据集ImageNet上使用预先训练的网络来初 ...
AI体验馆上线！集成业界领先NLP场景深度迁移学习框架EasyTransfer
简介:2020年10月,阿里云正式开源了深度迁移学习框架EasyTransfer,这是业界首个面向NLP场景的深度迁移学习框架. 目前集合该能力的AI体验馆已正式上线,免费体验:https://wor ...

最新文章

热门文章