基于DeepLearning4J on Spark深度學習方法在藥用植物圖像識別中應用初探
摘要：目的 基于卷積神經網絡,使藥用植物的圖像識別自動化、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,進行灰度化、角度隨機旋轉等批量處理。采用卷積神經網絡圖像識別技術,結合DeepLearning4j框架,對模型參數進行優化調試。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。
注: 保護知識產權,如需閱讀全文請聯系中國中醫藥圖書情報雜志社
相關推薦
更多
