典型文献
基于迁移学习ResNet网络的樱桃叶片白粉病的图像识别
文献摘要：
针对在复杂环境下樱桃叶片病害识别准确率低的问题.本文在ResNet-50网络的基础上提出了一种改进方法,以AVE-pooling为下采样层,Dropout、Dense层减少过拟合和增强分类效果,并采用Softmax分类器进行分类,利用迁移学习方法进行网络微调,从而提高了白粉病的识别率.结果表明,这种改进方法的迁移学习获得了99.98％的准确率,相比未改进迁移学习的97.42％提高了2.56％.实验表明,本文提出的网络改进方法和迁移方式可以提高樱桃白粉病识别的准确率.
文献关键词：
樱桃白粉病;迁移学习;深度学习;ResNet-50网络;图像识别
中图分类号：
作者姓名：
刘亚恒;张鹏超;徐鹏飞;呙生富
作者机构：
陕西理工大学机械工程学院,陕西汉中723000;陕西省工业自动化重点实验室,陕西汉中723000
文献出处：
引用格式：
[1]刘亚恒;张鹏超;徐鹏飞;呙生富-.基于迁移学习ResNet网络的樱桃叶片白粉病的图像识别)[J].电脑知识与技术,2022(08):12-15
A类：
樱桃白粉病
B类：
ResNet,图像识别,复杂环境,叶片病害,病害识别,识别准确率,改进方法,AVE,pooling,下采样,采样层,Dropout,Dense,过拟合,分类效果,Softmax,分类器,迁移学习方法,微调,识别率,未改
AB值：
0.388284
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。
