一种改进的少样本农作物目标识别算法研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：为解决在农田无人巡检过程中农作物目标智能识别的问题，将Cycle-GAN网络与Faster RCNN网络相结合构成了一种新的能支持少样本学习的网络模型，其中Cycle-GAN网络被用于提供数据增强。文中主要阐述了该网络的结构，并且对玉米、花生与豆子三种作物的种植地在不同的天气条件下进行了测试，对不同农作物的最优和最差识别率分别是96.53%和96.25%。（剩余6391字）

试读结束

目录
monitor
客服机器人