典型文献
基于轻量化卷积神经网络的树种识别模型
文献摘要：
随着计算机时代的迅速发展,国内林业正在向数字化、智慧化不断迈进,快速、准确的树种识别技术对森林资源清查、植物学研究及植物多样性保护等领域具有重要意义.为了满足树种识别模型能够在便携移动端设备上使用,本文提出了一种轻量化卷积神经网络的树种识别模型.首先,使用自主拍摄的树干图像构建了17种树木的树种数据集,并对其进行数据加强与扩充;其次,基于ImageNet预训练权重并对MobileNetv3网络的输出层进行修改,通过迁移学习的方式训练模型;最后,将该模型与VGG16、ResNet34模型进行对比分析,同时对该模型进行了可视化解释.实验结果表明,该模型在测试集上平均识别精度达99.16％,相比于VGG16模型提高了0.98％,相比于ResNet34模型降低了0.49％.但模型大小仅为5.98 MB,相比于VGG16、ResNet34模型分别减少了506.2 MB、75.32 MB.该模型可以保证在精度基本不变的情况下,在极大程度上减少模型体积,使其更好地部署在移动端设备,为移动端设备进行树种识别提供了可行方案.
文献关键词：
树种识别;卷积神经网络;轻量化;图像分类;迁移学习
中图分类号：
作者姓名：
董嘉真;丁怡如;郭正阳;李娟芸;邢艳秋
作者机构：
东北林业大学 工程技术学院,哈尔滨150040;东北林业大学 信息与计算机工程学院,哈尔滨150040
文献出处：
引用格式：
[1]董嘉真;丁怡如;郭正阳;李娟芸;邢艳秋-.基于轻量化卷积神经网络的树种识别模型)[J].智能计算机与应用,2022(12):114-121
A类：
B类：
轻量化卷积神经网络,树种识别,识别模型,机时,林业,森林资源清查,植物学,植物多样性,多样性保护,移动端,端设备,使用自主,树干,种树,树木,树种数,ImageNet,预训练,MobileNetv3,出层,层进,迁移学习,训练模型,VGG16,ResNet34,测试集,识别精度,MB,行树,可行方案,图像分类
AB值：
0.333658
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。
