基于LeNet的花卉识别方法

摘要

深度神经网络是机器学习中一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,例如图像,声音和文本。它是当前图像处理与计算机视觉领域的研究热点。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出,基于深度置信网络（DBN）提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络Le Net是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。本文将Le Net技术引入花卉识别应用领域,针对收集的116类花卉图像,总共79544张图片,每类约685张左右的图片集进行训练和测试,得到了约80%的Top5识别精度。