专利名称：基于判别关键域和深度学习的植物图像细粒度分类
方法
专利类型：发明专利
发明人：张雪芹,余丽君,顾秋晨申请号：CN201811556747.X申请日：20181219公开号：CN109711448A公开日：20190503
摘要：本发明涉及一种基于判别关键域和深度学习的植物图像细粒度分类方法，该方法利用一同时考虑关键域和全局域的CNN分类模型对待分类图像进行细粒度分类，所述CNN分类模型的训练过程包括以下步骤：1)获得原始植物图像样本集，通过DeepLab对原始植物图像进行像素级语义分割，获得植物图像中待测目标的判别关键域，形成判别关键域图像；2)将所述判别关键域图像与原始植物图像混合，形成分类训练数据集；3)基于迁移学习训练基于GoogLeNet的CNN分类模型。与现有技术相比，本发明具有分类准确性高、鲁棒性好等优点，解决植物图像细粒度分类中准确率不高的问题。
申请人：华东理工大学
地址：200237 上海市徐汇区梅陇路130号
国籍：CN
代理机构：上海科盛知识产权代理有限公司
代理人：翁惠瑜
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容