典型文献
基于迁移学习和模型融合的中药材图像识别研究
文献摘要：
目的 为了提高中药材图像识别的准确率,针对中药材形状不规则、纹理特征细微、种类繁多等特点,结合深度学习方法开展中药材图像识别研究.方法 通过爬虫获取中药材图像并进行数据预处理,构建中药材图像数据集,使用Xception、DenseNet作为主干网络提取中药材特征,通过迁移学习、数据增强、模型融合等方法优化网络结构,并提出一种基于Xception和DenseNet融合的中药材图像识别模型DxFusion.结果 通过迁移学习、数据增强和模型融合,DxFusion在60种中药材测试集上分类精度可达99.65％,效果优于已有分类模型.结论 基于迁移学习和多模型融合的深度卷积神经网络可以提取图像中不规则的中药材特征,有效提升中药材图像识别的准确率.
文献关键词：
深度学习;中药材识别;卷积神经网络;迁移学习;数据增强;模型融合
中图分类号：
作者姓名：
刘伟;邹伟红;卢彦杰;胡为;刘塔斯
作者机构：
湖南中医药大学信息科学与工程学院,湖南 长沙 410208;湖南中医药大学药学院,湖南 长沙 410208
文献出处：
引用格式：
[1]刘伟;邹伟红;卢彦杰;胡为;刘塔斯-.基于迁移学习和模型融合的中药材图像识别研究)[J].湖南中医药大学学报,2022(05):809-814
A类：
DxFusion,中药材识别
B类：
迁移学习,图像识别,纹理特征,细微,深度学习方法,爬虫,数据预处理,图像数据集,Xception,DenseNet,主干网络,数据增强,方法优化,识别模型,测试集,分类精度,分类模型,多模型融合,深度卷积神经网络
AB值：
0.191602
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
