針對武夷巖茶鮮茶葉葉片圖像分類問題,提出一種融合整體與局部信息的分類方法。該方法使用兩分支并行結(jié)構(gòu)構(gòu)建了一個整體與局部信息融合的卷積神經(jīng)網(wǎng)絡(luò)模型。實驗表明,在9個品種共計7 330張武夷巖茶鮮茶葉葉片圖像數(shù)據(jù)集上,基于ResNet18構(gòu)造的兩分支并行卷積神經(jīng)網(wǎng)絡(luò)模型的分類準確率為96.68%,超過了其他CNN模型的分類準確率。這表明通過融合全局信息、邊緣形狀信息和紋理局部信息能有效提高分類準確率。 

【文章來源】：智能系統(tǒng)學(xué)報. 2020,15(05)北大核心CSCD

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]關(guān)于深度學(xué)習(xí)的綜述與討論[J]. 胡越,羅東陽,花奎,路海明,張學(xué)工.  智能系統(tǒng)學(xué)報. 2019(01)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的盲文音樂識別研究[J]. 劉彪,黃蓉蓉,林和,蘇偉.  智能系統(tǒng)學(xué)報. 2019(01)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[J]. 李亞飛,董紅斌.  智能系統(tǒng)學(xué)報. 2018(04)
[4]一種多層特征融合的人臉檢測方法[J]. 王成濟,羅志明,鐘準,李紹滋.  智能系統(tǒng)學(xué)報. 2018(01)
[5]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類和目標檢測應(yīng)用綜述[J]. 周俊宇,趙艷明.  計算機工程與應(yīng)用. 2017(13)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[7]基于深度學(xué)習(xí)的高分辨率遙感影像分類研究[J]. 劉大偉,韓玲,韓曉勇.  光學(xué)學(xué)報. 2016(04)
[8]深度卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[9]遷移學(xué)習(xí)研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報. 2015(01)
[10]基于圖像分析的植物葉片識別技術(shù)綜述[J]. 張寧,劉文萍.  計算機應(yīng)用研究. 2011(11)

碩士論文
[1]鮮茶葉圖像特征提取及在茶樹品種識別中的應(yīng)用研究[D]. 劉自強.湖南農(nóng)業(yè)大學(xué) 2014



本文編號：3476022