我國林業(yè)生產(chǎn)和管理工作中,樹種識別分類是許多林業(yè)工作的基礎,提高樹種識別分類效率有著重要的意義,能夠為我國林業(yè)工程的發(fā)展帶來巨大的價值。樹種的自動識別分類一直是林業(yè)研究中的一項重要課題。近幾年深度學習技術在圖像分類任務中的突破,人們逐漸利用深度學習的理論方法去彌補傳統(tǒng)圖像識別分類方法中的不足,提高圖像識別分類的效率。本文基于深度學習的圖像識別分類技術,提出使用深度學習理論方法基于樹木葉片圖像完成樹種自動識別分類,解決較多類別的復雜樹種識別分類困難問題。文章從樹種識別分類的發(fā)展和深度學習理論的圖像分類方法展開敘述,并敘述了現(xiàn)階段樹種識別方法存在的不足和改進方向。為彌補神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)敏感、通用性不足,實際解決目前復雜樹種分類困難的問題。論文的主要研究內容如下所示:（1）針對多類別復雜樹種識別分類任務,為了提高神經(jīng)網(wǎng)絡的特征提取能力,降低數(shù)據(jù)敏感造成的分類性能的影響,融合基于空間映射網(wǎng)絡（Spatial Transform Network,STN）和密集神經(jīng)網(wǎng)絡（Dense Neural Network,DenseNet）的優(yōu)良特性,進而提出了新的網(wǎng)絡模型ST-DenseNet。ST-D... 

【文章來源】：東北林業(yè)大學黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖２－２卷積操作示例圖??隨著深度學習技術的不斷發(fā)展，如今神經(jīng)網(wǎng)絡中通常采用多層卷積操作以獲取更深??層次的特征信息

?２深度學習及其圖像識別分類方法???有通過池化操作才能對輸入規(guī)模進行降低，從而提升整個神經(jīng)網(wǎng)絡的計兌效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??圖２－３池化操作示例圖??神經(jīng)網(wǎng)絡通過池化操作完成對于輸入倍息的下采樣，保證特征的不變性。句此同時，??完成對信息的降維、去除冗余信息、對特征進行壓縮、簡化網(wǎng)絡復雜度、降低計算Ｍ、??減少內存消耗。與此同時，擴大對特征的感受野，實現(xiàn)非線性，提高網(wǎng)絡訓練質量｜５６１。??２．１．４激活函數(shù)??激活函數(shù)（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成為“激勵函數(shù)”，指的足神經(jīng)Ｍ絡Ｓ屮用來加權??求和的闡數(shù)，ＭＨ激活蚋數(shù)能夠將神經(jīng)兒的輸入映射到輸出端。激Ｗｒ數(shù)能夠完成神經(jīng)??網(wǎng)絡引入非線性的因尜，通過激活函數(shù)，神經(jīng)Ｍ絡就可以擬合各種曲線｜５７）。常見的用于??神經(jīng)網(wǎng)絡的激活函數(shù)，如２－４圖所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」辦?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??圖２－４常見的激活函數(shù)圖??１１??

?２深度學習及其圖像識別分類方法???有通過池化操作才能對輸入規(guī)模進行降低，從而提升整個神經(jīng)網(wǎng)絡的計兌效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??圖２－３池化操作示例圖??神經(jīng)網(wǎng)絡通過池化操作完成對于輸入倍息的下采樣，保證特征的不變性。句此同時，??完成對信息的降維、去除冗余信息、對特征進行壓縮、簡化網(wǎng)絡復雜度、降低計算Ｍ、??減少內存消耗。與此同時，擴大對特征的感受野，實現(xiàn)非線性，提高網(wǎng)絡訓練質量｜５６１。??２．１．４激活函數(shù)??激活函數(shù)（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成為“激勵函數(shù)”，指的足神經(jīng)Ｍ絡Ｓ屮用來加權??求和的闡數(shù)，ＭＨ激活蚋數(shù)能夠將神經(jīng)兒的輸入映射到輸出端。激Ｗｒ數(shù)能夠完成神經(jīng)??網(wǎng)絡引入非線性的因尜，通過激活函數(shù)，神經(jīng)Ｍ絡就可以擬合各種曲線｜５７）。常見的用于??神經(jīng)網(wǎng)絡的激活函數(shù)，如２－４圖所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」辦?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??圖２－４常見的激活函數(shù)圖??１１??

【參考文獻】：
期刊論文
[1]中國人工智能發(fā)展態(tài)勢及其促進策略[J]. 張鑫,王明輝.  改革. 2019(09)
[2]科技部印發(fā)《國家新一代人工智能開放創(chuàng)新平臺建設工作指引》[J].   智能建筑與智慧城市. 2019(08)
[3]基于深度學習的5種樹皮紋理圖像識別研究[J]. 劉嘉政,王雪峰,王甜.  北京林業(yè)大學學報. 2019(04)
[4]基于SFFS多特征選擇的航拍圖像目標檢測[J]. 陳蘇婷,牛宇寧,張闖,張艷艷.  實驗室研究與探索. 2019(03)
[5]試論東北地區(qū)林業(yè)生態(tài)建設[J]. 王強.  農(nóng)業(yè)與技術. 2019(02)
[6]基于Faster R-CNN的榆紫葉甲蟲識別方法研究[J]. 董本志,聶麗酈,景維鵬,崔航.  計算機工程與應用. 2018(23)
[7]緊湊型深度卷積神經(jīng)網(wǎng)絡在圖像識別中的應用[J]. 吳進,錢雪忠.  計算機科學與探索. 2019(02)
[8]基于多元HoG及無人機航拍圖像的植被類型識別[J]. 林志瑋,丁啟祿,涂偉豪,林金石,劉金福,黃炎和.  森林與環(huán)境學報. 2018(04)
[9]基于深度學習的圖像特征學習和分類方法的研究及應用[J]. 張國棟.  網(wǎng)絡安全技術與應用. 2018(07)
[10]基于圖像處理的智能小車無線遠程滅火[J]. 張錚,范若怡,宮若寧,易環(huán).  實驗室研究與探索. 2018(01)

博士論文
[1]小光斑波形激光雷達森林LAI和單木生物量估測研究[D]. 徐光彩.中國林業(yè)科學研究院 2013
[2]基于機載LiDAR和高光譜融合的森林參數(shù)反演研究[D]. 劉麗娟.東北林業(yè)大學 2011

碩士論文
[1]基于機載LiDAR和高光譜遙感影像融合實現(xiàn)普洱山區(qū)樹種分類[D]. 劉怡君.中國林業(yè)科學研究院 2016
[2]桐城市城市綠地系統(tǒng)樹種規(guī)劃的研究[D]. 李瑩瑩.安徽農(nóng)業(yè)大學 2008



本文編號：2951554