典型文献
融合高阶信息增强模块的复杂背景植物叶片图像分类
文献摘要：
植物叶片对植物种类分辨与认知具有重大研究作用.提出了一种充分提取植物叶片特征信息的高阶信息增强模块,使用包含高阶信息增强模块的卷积神经网络模型对植物叶片图像进行多感受野特征提取.以复杂背景下的植物叶片图像为研究对象,从中国植物图像库中获取样本来源不同的植物叶片图像构成含有9种叶片的PLD_amp数据集,采用添加高斯噪声、数据增广技术平滑和增扩数据集,增强数据的可操作性.与现有传统卷积网络相比,所提出的包含高阶信息增强模块的CNN模型最佳分类准确率可达88.7％,具有较高可行性与高分类准确率.
文献关键词：
植物叶片;叶片分类识别;特征提取;CNN;深度学习
中图分类号：
作者姓名：
游梓童;吴福明;赵淼;业宁
作者机构：
南京林业大学信息科学技术学院,江苏 南京210037
文献出处：
引用格式：
[1]游梓童;吴福明;赵淼;业宁-.融合高阶信息增强模块的复杂背景植物叶片图像分类)[J].南京师范大学学报（工程技术版）,2022(03):45-52
A类：
叶片分类识别
B类：
信息增强,复杂背景,植物叶片,图像分类,对植,植物种类,大研,分提,叶片特征,特征信息,卷积神经网络模型,多感受野特征提取,中国植物,植物图像,样本来源,图像构成,PLD,amp,高斯噪声,数据增广,卷积网络,分类准确率
AB值：
0.314525
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。
