基于改进EfficientNet的植物图像分类算法

摘要

针对目前嵌入式设备受计算能力和存储容量的限制,难以运行模型体积较大的高精度网络的问题,提出了一种基于改进EfficientNet的植物图像分类算法。该算法是结合神经网络搜索技术,对网络的深度、宽度和分辨率按照特定的比例进行平衡放缩;同时兼顾了速度和精度,并将EfficientNet的激活函数更改为Mish激活函数,进一步提升了精度。实验结果表明:改进EfficientNet在自制植物数据集上分类准确率为97.2%,比原EfficientNet的96.8%提高了0.4%,但比MobileNetV2的94.1%提高了3.1%。在Oxford 102 Flowers数据集上,改进EfficientNet和DenseNet169的分类准确率均为97.7%,但改进EfficientNet有着更小的模型体积和计算量。因此,改进EfficientNet很适合应用在嵌入式设备末端部署。