基于深度卷积生成对抗网络的小样本植物病害识别问题研究

目录

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