基于判别关键域和深度学习的植物图像分类

摘要

cqvip:为解决植物图像细粒度分类准确率不高的问题,提出一种基于判别关键域和深度学习的植物图像细粒度分类方法(DL-CNN)。采用DeepLab算法对图像进行语义分割,得到像素级的分割图,通过映射形成植物的局部判别关键域;针对植物中存在的不连通、簇类花型等图像局部判别域不完整问题,结合局部判别关键域和全局判别域,采用卷积神经网络基于迁移学习机制建立植物图像分类模型。在公开植物图像数据集上的对比实验结果表明,该算法可以有效提高植物的细粒度分类准确率。