典型文献
基于MobileNet V2迁移学习的中药材图像识别
文献摘要：
中药材对人体疾病的预防及控制具有重要的作用,然而普通百姓对药材知识了解过少,可能滥用草药从而带来不可控的后果.因此,对药材进行精准识别是一项紧迫的任务.文章将改进的深度卷积神经网络应用到药材识别中,提出了基于MobileNet V2模型进行迁移学习的中药材识别系统.该模型将标准卷积改进为深度可分离卷积形式,在ImageNet数据集上进行了预训练.通过对MobileNet V2的预训练模型参数进行多次微调,在全连接层采用softmax激活函数实现药材分类,使用交叉熵损失函数定量表达与理想模型之间的差异,最后使用adam优化算法实现最优梯度下降,实现了12类中药材图片识别,最终在验证集上精度可达93％,表明中药材图像识别系统具有较好的实际应用场景.同时Mobi-leNet V2的轻量级模型在训练时间上也比普通卷积神经网络节省了2倍以上的时间,在药材识别上的鲁棒性和范化性得到了较大提升.
文献关键词：
深度卷积神经网络;药材识别;MobileNet V2;迁移学习
中图分类号：
作者姓名：
刘雪纯;刘大铭;常佳鑫;王博
作者机构：
宁夏大学物理与电子电气工程学院;宁夏大学沙漠信息智能感知重点实验室,宁夏银川750000
文献出处：
引用格式：
[1]刘雪纯;刘大铭;常佳鑫;王博-.基于MobileNet V2迁移学习的中药材图像识别)[J].长江信息通信,2022(07):33-37,44
A类：
中药材识别,adam,leNet
B类：
MobileNet,V2,迁移学习,图像识别,预防及控制,普通百姓,对药,草药,精准识别,深度卷积神经网络,网络应用,识别系统,标准卷积,深度可分离卷积,ImageNet,预训练模型,微调,全连接层,softmax,激活函数,交叉熵损失函数,定量表达,理想模型,算法实现,梯度下降,图片识别,验证集,轻量级模型,训练时间
AB值：
0.27023
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。
