作者：羅奇

單位：武漢體育學院體育工程與信息技術(shù)學院

摘要：深度學習已廣泛地應(yīng)用于植物圖像識別分類中。由于蘑菇圖像的識別分類難度較大,針對如何提高識別模型的準確率和泛化能力,提出了單一背景下的蘑菇圖像識別方法。針對傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)中存在的空間冗余問題,采用了一種降梯度卷積訓練模型,有效提高了蘑菇分類圖像的識別性能。通過一個包含8 123個樣本的蘑菇數(shù)據(jù)集測試,降梯度卷積訓練模型的平均耗費時間為0.985 s,第1張圖像的平均命中準確率達到了91.6%,實驗結(jié)果表明:降梯度卷積訓練模型在單一背景、數(shù)據(jù)量較大的情況下,識別速度和準確率均優(yōu)于傳統(tǒng)的傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)。 

基金：湖北省自然科學基金計劃項目(2017CFB560)；

關(guān)鍵詞：深度學習; 卷積神經(jīng)網(wǎng)絡(luò); 圖像識別; 圖像頻率; 特征圖;