基于迁移模型的小样本花卉品种识别方法

摘要

cqvip:小样本的花卉数据集训练深度卷积神经网络不能得到识别率较高的网络模型,为提高小样本的花卉识别率,本文提出了一种基于迁移模型的小样本花卉品种识别方法。该方法首先采用大型数据库Imagenet对卷积神经网络进行预训练,将得到的网络模型迁移并改进,再使用小样本花卉数据对改进的网络模型重新训练,并采用BP算法调整网络的权重和偏置。实验中采用的花卉数据集选自Flower102和Imagenet数据库,以实现网络模型的预训练和重训练,最终完成网络模型的测试。实验结果表明,相比于Alexnet网络模型,本文方法的识别准确率提高了4.3%,验证了本文方法的可行性。