基于卷积神经网络的地球仪国家图像识别方法

摘要

本发明公开了一种基于卷积神经网络的地球仪国家图像识别方法。首先，通过数据采集和数据增强的方式采集常用的教学用地球仪上各个国家的多种类型的图像来构造地球仪国家图像数据集，其中每个国家采集了在不同光照条件、不同聚焦情况下从不同的空间位置和角度拍摄的多张图像。其次，对数据集中的每张图像进行压缩和预处理操作。然后，结合经典的卷积神经网络模型MobileNet和DenseNet的特点设计一种新的卷积神经网络模型，并在采集到的数据集上对新的模型进行训练，使模型学习到地球仪上各个国家的图像特征进而对其进行分类。本发明方法设计的识别模型结合了MobileNet和DenseNet两种模型的特点，具有较高的识别准确率和较低的模型复杂度。