基于ResNet对花朵分类研究

摘要

花卉是人们寄托思绪的常见物之一,但是由于花卉种类繁多,人们只对常见的品种记忆犹新,主要靠人工方式,以及网络查询方式,识别度不高,随着深度学习和电子拍摄产品的发展,使用图像智能识别物体成了可能,本文基于RseNet使用5×5卷积替代7×7卷积,并且将池化模块改为1×1卷积,较少特征消失。采用网络上104种花卉数据来进行训练,使用836张图进行测试,改进后的ResNet模型在accuracy_top1、accuracy_top5,recall 3个评价指标,分别提升了7.58%、7.26%、5.51%。实现了花型和品种智能识别,具有重要的理论和应用价值,为广大群众提供识别花朵的新手段,为移动端花卉识别提供一个新的解决思路。