分享资料个
现有对草地植物的图像识别主要集中于对叶片或大面积种群的识别，很少有从单株植物或小片群落的角度进行识别。本文针对上述问题，总结出三种适用于解决该问题的识别方法，改进和微调了现有基于卷积神经网络方法的预处理流程和网络模型来进行植物图像识别方法。本文采用近距离拍摄的高空间分辨率草地植物图片，设计实验对比分析了上述三种方法在识别标注样本数据集上的表现。实验结果表明，基于预训练模型的深度卷积神经网络方法同其他方法相比，在准确性上，具有显著的优越性。
关于青海省的植物种类及其特征、植物识别等方面的研究都取得了突破性的研究成果。但传统的遥感图像分类方法在进行植物识别时，由于图像具有较高的空间分辨率，会出现同物异谱等问题。植物的识别是复杂度高且数据量大的一项研究，因此深度学习在植物识别方面具有技术优势和广阔的发展前景。卷积神经网络（Convolutional Neural Network， CNN）是深度学习研究中具有代表性并且十分高效的方法之一。最早的卷积神经网络模型是由纽约大学的Yann LeCun 教授提出来的。经过了整整20 年的发展，至今卷积神经网络技术已在计算机视觉领域确立了统治地位。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !
