基于卷積神經(jīng)網(wǎng)絡(luò)的花卉圖像分類算法的研究.pdf_第1頁
已閱讀1頁,還剩53頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著電子技術(shù)的迅速發(fā)展,人們使用便攜數(shù)碼設(shè)備(如手機、相機等)獲取花卉圖像越來越方便,如何自動識別花卉種類受到了廣泛的關(guān)注。由于花卉所處背景的復(fù)雜性,以及花卉自身的類間相似性和類內(nèi)多樣性,利用傳統(tǒng)的手工提取特征進行圖像分類的方法,并不能很好地解決花卉圖像分類這一問題。本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)的花卉圖像分類算法:首先對原始圖像進行預(yù)處理以確定花卉區(qū)域;然后采用卷積神

2、經(jīng)網(wǎng)絡(luò)自動完成特征學(xué)習(xí),得到更為全面的花卉圖像特征描述;最后利用支持向量機訓(xùn)練特征,并建立分類器,實現(xiàn)花卉圖像的分類。
  本文所做工作如下:
  (1)提出一種新的基于卷積神經(jīng)網(wǎng)絡(luò)的花卉圖像分類算法。與傳統(tǒng)圖像分類方法不同,卷積神經(jīng)網(wǎng)絡(luò)無需人工提取特征,可以根據(jù)輸入圖像,自動學(xué)習(xí)包含豐富語義信息的特征,得到更為全面的花卉圖像特征描述,可以很好地表達圖像的不同類別信息。
  (2)提出基于原始圖像亮度圖和顯著圖的區(qū)域選

3、擇算法。日常拍攝的花卉圖像通常都包含復(fù)雜的背景,為了獲取更加理想的花卉分類效果,本文在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出一種基于原始花卉圖像亮度圖和顯著圖的花卉區(qū)域選擇算法。其優(yōu)點在于,在對花卉圖像進行分類時,綜合利用花卉圖像的低層次特征(如顏色、亮度等)和視覺顯著性,可以獲得比傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)更好的分類效果。
  (3)利用支持向量機訓(xùn)練分類器,實現(xiàn)花卉圖像的分類。由于本文的花卉圖像數(shù)據(jù)有限,提供給卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本不夠充分,容易造

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論