1 绪 论
1.1.1研究背景
1.1.2研究目的及意义
1.2国内外研究现状
1.2.1传统的机器学习技术在农业中的应用
1.2.2深度学习在农业领域的应用
1.2.3生成对抗网络的发展及应用
1.3本文的主要研究内容
1.4论文安排
2 图像识别与样本扩充相关方法
2.1引言
2.2传统的图像识别算法
2.2.1特征提取
2.2.2经典的分类算法
2.3基于卷积神经网络的图像识别方法
2.4样本扩充方法
2.4.1传统的样本扩充方法
2.4.2 生成对抗网络扩充方法
2.5小结
3 基于深度卷积生成对抗网络的样本扩充
3.1深度卷积生成对抗网络模型及原理介绍
3.2.1数据预处理
3.2.2改进方法说明
3.3实验结果及分析
3.3.1改进后的DCGAN实验效果图
3.3.2改进的DCGAN与WGAN的实验对比
3.4.1图像均值法评价图像之间的相似度
3.4.2最大平均差异法评价生成图像质量
3.5小结
4 基于卷积神经网络的柑橘溃疡病识别分类
4.1.1数据预处理
4.1.2数据集划分
4.2.1卷积神经网络模型
4.2.2优化的卷积神经网络模型
4.3.1实验评价指标
4.3.2与传统的图像识别算法的性能比较
4.3.3迁移学习和扩充样本后的实验效果
4.3.4分类器分类能力与专家分类能力对比
4.4增量学习
4.4.1增量学习方法介绍
4.4.2增量学习实验结果分析
4.5小结
5 总结与展望
5.1总结
5.2展望
参考文献
附录
A.作者在攻读学位期间发表的论文
B.学位论文数据集
致谢
重庆大学;