深度神經(jīng)網(wǎng)絡(luò)的研究及其在植物葉片圖像識(shí)別中的應(yīng)用.pdf

1、植物在我們生活中無(wú)處不在，它對(duì)整個(gè)地球生態(tài)系統(tǒng)的保護(hù)有非常重要的意義，而研究植物非常重要的一項(xiàng)內(nèi)容就是精確分類。傳統(tǒng)的識(shí)別方法需要人工對(duì)圖片進(jìn)行識(shí)別和標(biāo)注，主觀性比較強(qiáng)，工作量極大，進(jìn)而會(huì)導(dǎo)致標(biāo)注的準(zhǔn)確率大大降低。因此，如何從植物葉片中自動(dòng)提取圖像特征并進(jìn)行準(zhǔn)確的分類已成為植物分類研究所需解決的問(wèn)題。近年來(lái)，深度學(xué)習(xí)的研究表明，深層神經(jīng)網(wǎng)絡(luò)可以直接從原始圖片中提取抽象特征。而且，像卷積神經(jīng)網(wǎng)絡(luò)本身還具備旋轉(zhuǎn)和平移不變性，而這一特性在圖像

2、識(shí)別中顯得尤其重要。因此，本文重點(diǎn)研究如何將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于植物葉片圖像識(shí)別上，并構(gòu)建一個(gè)全卷積神經(jīng)網(wǎng)絡(luò)模型。針對(duì)以往植物葉片識(shí)別方法識(shí)別率偏低的問(wèn)題，本文提出的具體研究?jī)?nèi)容如下：
　?。?）設(shè)計(jì)了一種全卷積深度神經(jīng)網(wǎng)絡(luò)的圖像特征提取方法。首先對(duì)圖片進(jìn)行預(yù)處理，包括圖像切割、增強(qiáng)、旋轉(zhuǎn)和透視等來(lái)減少一些計(jì)算量。然后，使用卷積神經(jīng)網(wǎng)絡(luò)的算法自動(dòng)提取圖像特征。最后，用多層感知機(jī)來(lái)替換傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的線性濾波器，由多層感知機(jī)組成的非線性

3、卷積層把輸入的局部數(shù)據(jù)通過(guò)非線性的激活函數(shù)進(jìn)行映射，全連接的網(wǎng)絡(luò)非常容易過(guò)擬合，而非線性的卷積由于權(quán)值共享，本身就具備一定防止過(guò)擬合的能力，這樣得到的卷積神經(jīng)網(wǎng)絡(luò)能有效地從非線性可分的數(shù)據(jù)中抽象出所需的特征。
　?。?）提出一種使用PReLU代替?zhèn)鹘y(tǒng)ReLU激活函數(shù)的深度神經(jīng)網(wǎng)絡(luò)方法。ReLU（線性糾正函數(shù)）加快了訓(xùn)練過(guò)程的銜接，而且比傳統(tǒng)的S形能更好地加速收斂。但在植物葉片圖像訓(xùn)練中會(huì)出現(xiàn)梯度彌散情況，所以本文使用PReLU的激