基于深度学习神经网络cnn的外来物种入侵识别系统源码

 第一步：准备数据

2种数据，即本地物种和外来入侵物种，总共有12031张图片，每个文件夹单独放一种

第二步：搭建模型

本文选择MobileNetV2，其网络结构如下：

 由于是2分类问题，直接套用网络肯定是不行，因此会在改动神经网络输出类别数，参考代码如下：

    x = base_model.output
    x = GlobalAveragePooling2D()(x)
    x = Dense(256)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = Dense(64)(x)
    x = BatchNormalization()(x)
    x = Activation('relu')(x)
    x = Dense(2)(x)
    predictions = Activation('softmax')(x)

    # for layer in base_model.layers:
    #     layer.trainable = True

    model = Model(inputs=base_model.input, outputs=predictions)
    return model

第三步：训练代码

1）损失函数为：交叉熵损失函数

2）MobileNetV2从进行迁移学习训练：

    w = 1
    if w:
        base_model = MODEL(weights='imagenet', include_top=False, input_shape=(width, height, 3))
    else:
        base_model = MODEL(weights=None, include_top=False, input_shape=(width, height, 3))
    for layer in base_model.layers:
        layer.trainable = False

第四步：统计正确率

 正确率高达94.2%

第五步：搭建GUI界面

第六步：整个工程的内容

有训练代码和训练好的模型以及训练过程，提供数据，提供GUI界面代码，主要使用方法可以参考里面的“文档说明_必看.docx”

 

代码的下载路径（新窗口打开链接）：基于深度学习神经网络cnn的外来物种入侵识别系统源码

有问题可以私信或者留言，有问必答