摘要
针对深度学习中图像识别模型的训练需要大量的数据集,同时由于受花朵的花期影响,短时间内难以收集到足够用于训练的样本问题,提出一种基于深度神经网络迁移学习的花朵识别分类的方法,达到在少量数据情况下完成模型训练的效果。首先将收集的花朵数据集图像进行随机剪裁和归一化处理;其次在ResNet34(residual neural network)网络模型中进行迁移预训练,通过调整超参数和训练批次得到精确度较稳定的预测模型,达到对新的花朵图像进行准确识别的效果。实验结果表明:使用迁移学习训练后的ResNet34深度神经网络在花朵图像分类识别领域具有良好的识别效果和鲁棒性,能够满足实际应用的需求。
出处
《信息技术与信息化》
2022年第3期210-213,共4页
Information Technology and Informatization
