作者：羅奇

單位：武漢體育學(xué)院體育工程與信息技術(shù)學(xué)院

摘要：深度學(xué)習(xí)已廣泛地應(yīng)用于植物圖像識(shí)別分類中。由于蘑菇圖像的識(shí)別分類難度較大,針對(duì)如何提高識(shí)別模型的準(zhǔn)確率和泛化能力,提出了單一背景下的蘑菇圖像識(shí)別方法。針對(duì)傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)中存在的空間冗余問題,采用了一種降梯度卷積訓(xùn)練模型,有效提高了蘑菇分類圖像的識(shí)別性能。通過一個(gè)包含8 123個(gè)樣本的蘑菇數(shù)據(jù)集測(cè)試,降梯度卷積訓(xùn)練模型的平均耗費(fèi)時(shí)間為0.985 s,第1張圖像的平均命中準(zhǔn)確率達(dá)到了91.6%,實(shí)驗(yàn)結(jié)果表明:降梯度卷積訓(xùn)練模型在單一背景、數(shù)據(jù)量較大的情況下,識(shí)別速度和準(zhǔn)確率均優(yōu)于傳統(tǒng)的傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)。 

基金：湖北省自然科學(xué)基金計(jì)劃項(xiàng)目(2017CFB560)；

關(guān)鍵詞：深度學(xué)習(xí); 卷積神經(jīng)網(wǎng)絡(luò); 圖像識(shí)別; 圖像頻率; 特征圖;