[发明专利]基于改进的深度神经网络的花卉图像分类方法有效
| 申请号： | 201810854879.4 | 申请日： | 2018-07-30 |
| 公开（公告）号： | CN109190666B | 公开（公告）日： | 2022-04-29 |
| 发明（设计）人： | 刘秀磊;吴迪;刘旭红;李红臣;刘婷 | 申请（专利权）人： | 北京信息科技大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 北京青松知识产权代理事务所(特殊普通合伙) 11384 | 代理人： | 郑青松 |
| 地址： | 100089 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower‑102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。 | ||
| 搜索关键词： | 基于 改进 深度 神经网络 花卉 图像 分类 方法 | ||
【主权项】：
1.一种基于改进的深度神经网络的花卉图像分类方法，其特征在于，包括：将基础InceptionV3网络在大规模数据集上进行训练，得到预训练网络；对所述预训练网络进行改进，得到适用于花卉识别的数据集的改进的网络，所述数据集包括训练数据集和测试数据集；将改进的网络迁移到所述训练数据集上进行迁移训练，得到迁移训练后的网络；将迁移训练后的网络的激活函数修改为基于Tanh与ReLU函数校正之后的Tanh‑ReLU函数，得到改进激活函数后的网络；将改进激活函数后的网络微调到所述训练数据集，进行微调训练，得到微调训练后的网络；将所述测试数据集输入所述微调训练后的网络，以对花卉图像进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京信息科技大学，未经北京信息科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810854879.4/，转载请声明来源钻瓜专利网。
