

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著電子技術的迅速發(fā)展,人們使用便攜數(shù)碼設備(如手機、相機等)獲取花卉圖像越來越方便,如何自動識別花卉種類受到了廣泛的關注。由于花卉所處背景的復雜性,以及花卉自身的類間相似性和類內多樣性,利用傳統(tǒng)的手工提取特征進行圖像分類的方法,并不能很好地解決花卉圖像分類這一問題。本文提出了一種基于卷積神經網絡(Convolutional neural network,CNN)的花卉圖像分類算法:首先對原始圖像進行預處理以確定花卉區(qū)域;然后采用卷積神
2、經網絡自動完成特征學習,得到更為全面的花卉圖像特征描述;最后利用支持向量機訓練特征,并建立分類器,實現(xiàn)花卉圖像的分類。
本文所做工作如下:
(1)提出一種新的基于卷積神經網絡的花卉圖像分類算法。與傳統(tǒng)圖像分類方法不同,卷積神經網絡無需人工提取特征,可以根據輸入圖像,自動學習包含豐富語義信息的特征,得到更為全面的花卉圖像特征描述,可以很好地表達圖像的不同類別信息。
(2)提出基于原始圖像亮度圖和顯著圖的區(qū)域選
3、擇算法。日常拍攝的花卉圖像通常都包含復雜的背景,為了獲取更加理想的花卉分類效果,本文在卷積神經網絡的基礎上,提出一種基于原始花卉圖像亮度圖和顯著圖的花卉區(qū)域選擇算法。其優(yōu)點在于,在對花卉圖像進行分類時,綜合利用花卉圖像的低層次特征(如顏色、亮度等)和視覺顯著性,可以獲得比傳統(tǒng)卷積神經網絡更好的分類效果。
(3)利用支持向量機訓練分類器,實現(xiàn)花卉圖像的分類。由于本文的花卉圖像數(shù)據有限,提供給卷積神經網絡訓練的樣本不夠充分,容易造
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經網絡的圖像分類.pdf
- 基于卷積神經網絡的鞋印圖像分類算法研究.pdf
- 基于改進卷積神經網絡的圖像分類研究.pdf
- 基于卷積神經網絡的句子分類算法.pdf
- 基于卷積神經網絡圖像分類優(yōu)化算法的研究與驗證.pdf
- 基于卷積神經網絡的圖像分類技術研究.pdf
- 基于卷積神經網絡的高光譜圖像分類研究.pdf
- 基于卷積神經網絡的圖像特征提取算法與圖像分類問題研究.pdf
- 基于卷積神經網絡的圖像識別算法研究
- 基于深度卷積神經網絡的圖像檢索算法研究.pdf
- 基于卷積神經網絡的建筑風格圖像分類的研究.pdf
- 基于卷積神經網絡的圖像語義分割算法研究.pdf
- 基于卷積神經網絡的圖像識別算法研究.pdf
- 圖像分類中的卷積神經網絡方法研究.pdf
- 基于卷積神經網絡的巖石圖像分類研究與應用.pdf
- 基于卷積神經網絡的文檔圖像分類與檢索方法研究.pdf
- 基于卷積神經網絡的圖像檢索研究.pdf
- 基于卷積神經網絡的植物葉片混合分類算法.pdf
- 面向花卉圖像的精細圖像分類研究.pdf
- 基于卷積神經網絡的問句分類研究.pdf
評論
0/150
提交評論