典型文献
一种改进的少样本农作物目标识别算法研究
文献摘要：
为解决在农田无人巡检过程中农作物目标智能识别的问题,将Cycle-GAN网络与Faster RCNN网络相结合构成了一种新的能支持少样本学习的网络模型,其中Cycle-GAN网络被用于提供数据增强.文中主要阐述了该网络的结构,并且对玉米、花生与豆子三种作物的种植地在不同的天气条件下进行了测试,对不同农作物的最优和最差识别率分别是96.53％和96.25％.实验证明,通过两者的结合能够提供更好更快的农作物识别和检测,新的少样本农作物目标识别模型具有较好的鲁棒性.
文献关键词：
少样本学习;农作物识别;数据增强;鲁棒性
中图分类号：
作者姓名：
张瑞森;万兴鸿;高昕
作者机构：
成都工业学院自动化与电气工程学院,四川 成都 611730
文献出处：
引用格式：
[1]张瑞森;万兴鸿;高昕-.一种改进的少样本农作物目标识别算法研究)[J].软件工程,2022(01):10-13
A类：
B类：
目标识别算法,算法研究,无人巡检,中农,目标智能识别,Cycle,GAN,Faster,RCNN,少样本学习,数据增强,花生,豆子,种植地,天气条件,识别率,结合能,农作物识别,目标识别模型
AB值：
0.348191
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。
