一种基于深度卷积神经网络的珍稀花卉自动识别方法
公开
摘要
本发明公开一种基于深度卷积神经网络的珍稀花卉自动识别方法，本发明方法利用图像搜索常见的普通花卉图像构建源域图像数据集，然后利用Vgg16深度卷积神经网络以及线性分类构建分类识别模型，利用源域图像以及对应的类别标签计算损失函数并使用SGD优化器对网络中的参数进行优化；接下来固定深度卷积网络中主干神经网络的参数并替换线性分类器，收集珍稀花卉图像构建目标域图像数据集，利用目标域图像以及对应的类别标签计算损失函数对网络分类器进行微调；最后利用训练好的深度卷积网络模型对珍稀花卉图像进行自动识别。本发明通过上述方式，能够大大提高对珍稀花卉的保护效率。
基本信息
专利标题 ：
一种基于深度卷积神经网络的珍稀花卉自动识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580553A
申请号 ：
CN202210228722.7
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杨赛周伯俊杨慧
申请人 ：
南通大学
申请人地址 ：
江苏省南通市啬园路9号
代理机构 ：
南京瑞弘专利商标事务所(普通合伙)
代理人 ：
徐激波
优先权 ：
CN202210228722.7
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08 G06V10/764 G06V10/82
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
