当前位置: 首页 > 文章 > 基于CapsNet神经网络的树叶图像分类模型 西南大学学报(自然科学版) 2021 (8) 143-151
Position: Home > Articles > 基于CapsNet神经网络的树叶图像分类模型 Journal of Southwest University(Natural Science Edition) 2021 (8) 143-151

基于CapsNet神经网络的树叶图像分类模型

作  者:
张冬妍;韩睿;张瑞;曹军
单  位:
东北林业大学机电工程学院
关键词:
胶囊网络;神经网络;图像分类;树叶识别;动态路由;
摘  要:
对树木研究的基础是对其进行分类处理.本文结合CapsNet神经网络模型,以提高树叶分类的准确率为目的,使用实验室拍摄的10种树叶图片建立树叶分类模型.考虑到模型效率和图像大小,在原有CapsNet上与传统卷积神经网络相结合,通过优化动态路由算法对CapsNet进行改进,得到了E-CapsNet网络模型,同时与经典的神经网络模型AlexNet和Inception V3模型进行对比.经过50次epoch的训练,模型训练准确率最高达到99.15%,验证集的准确率为98.51%,测试集准确率为98.63%,对比原CapsNet网络,测试集准确率提高了2.51%.实验结果表明,改进后的E-CapsNet模型实现了更高的精度.

相似文章

计量
文章访问数: 7
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊