基于迁移学习ResNet网络的樱桃叶片白粉病的图像识别

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：针对在复杂环境下樱桃叶片病害识别准确率低的问题。本文在ResNet-50网络的基础上提出了一种改进方法，以AVE-pooling为下采样层，Dropout、Dense层减少过拟合和增强分类效果，并采用Softmax分类器进行分类，利用迁移学习方法进行网络微调，从而提高了白粉病的识别率。结果表明，这种改进方法的迁移学习获得了99.98%的准确率，相比未改进迁移学习的97.42%提高了2.56%。（剩余5225字）

试读结束

目录
monitor
客服机器人