本文中,采用了卷积神经网络的深度学习方法来实现对鲜花种类的高精度识别,先是对原始图像进行预处理;然后是以LeNet-5 卷积神经网络模型为基础建立网络模型,再进行模型训练后得到鲜花识别分类器;最后分析实验结果并与其它花卉识别的算法进行对比。
1.深度学习模型
深度学习模型由计算机与人工智能泰斗 Geoffrey Hinton 及其学生于 2006年提出,他们的主要观点包括:(1)多个隐层条件下的神经网络可以自主的从输入图像中学习到更为本质的特征。(2)对于多个隐层的神经网络在训练的时候容易陷入局部极小值,可以通过逐层的初始化来解决。本文使用的 LeNet5[10]卷积神经网络模型是第一个真正的多层网络结构学习算法,网络结构如图1 所示,
2 .图像卷积与池化
卷积层是卷积神经网络模型的核心,由很多个特征图组成,每个特征图由多个神经元组成。卷积操作是通过卷积核从输入图像中学习不同的特征从而提取出特征图,运算过程如下公式
3 .Dropout 技术
Dropout[是解决深度神经网络模型训练过程中过拟合问题的一种技术,主要思想是在深度神经网络训练的过程中,随机丢弃神经元以及其连接。
4.数据预处理
鲜花图像的背景一般都比较复杂,这些复杂的背景在进行特征提取时会造成一定的干扰,因此在运行CNN模型之前需要进行数据预处理。首先将原始数据以8:2的比例随机划分为训练集和测试集两个部分,且采用One-Hot编码。
5.鲜花识别卷积神经网络结构
略…
6.模型训练和结果分析
你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。
我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:
撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G
直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC
语法后生成一个完美的目录。
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。
去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片
.
// An highlighted block
var foo = 'bar';
一个简单的表格是这么创建的:
项目 | Value |
---|---|
电脑 | $1600 |
手机 | $12 |
导管 | $1 |
使用:---------:
居中
使用:----------
居左
使用----------:
居右
第一列 | 第二列 | 第三列 |
---|---|---|
第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:
TYPE | ASCII | HTML |
---|---|---|
Single backticks | 'Isn't this fun?' |
‘Isn’t this fun?’ |
Quotes | "Isn't this fun?" |
“Isn’t this fun?” |
Dashes | -- is en-dash, --- is em-dash |
– is en-dash, — is em-dash |
一个具有注脚的文本。2
Markdown将文本转换为 HTML。
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.
你可以找到更多关于的信息 LaTeX 数学表达式here.
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:
这将产生一个流程图。:
我们依旧会支持flowchart的流程图:
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。
如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。
mermaid语法说明 ↩︎
注脚的解释 ↩︎