基于DeepLearning4J on Spark深度學(xué)習方法在藥用植物圖像識別中應用初探
摘要：目的 基于卷積神經(jīng)網(wǎng)絡(luò ),使藥用植物的圖像識別自動(dòng)化、智能化,從而提高藥用植物識別的效率。方法 使用中國植物圖像庫搜集藥用植物圖像,進(jìn)行灰度化、角度隨機旋轉等批量處理。采用卷積神經(jīng)網(wǎng)絡(luò )圖像識別技術(shù),結合DeepLearning4j框架,對模型參數進(jìn)行優(yōu)化調試。結果 使用DL4J-example、AlexNet、VGG16模型,小樣本單一背景藥用植物圖像識別正確率分別達到68.00%、70.00%、24.00%,大樣本復雜背景藥用植物圖像識別正確率分別達到48.87%、60.00%、91.35%。結論 圖像識別技術(shù)的使用提高了復雜背景下藥用植物圖像識別的正確率和效率,為藥用植物的識別提供了新方法,識別正確率高低與激勵函數、迭代次數、卷積層數及參與訓練的圖像數量直接相關(guān)。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系中國中醫藥圖書(shū)情報雜志社
相關(guān)推薦
更多.jpg)
用醫藥.jpg)
養.jpg)
于我們.jpeg)