基于resnet网络的花卉识别jittor深度学习框架_基于迁移学习的卷积神经网络花卉识别研究付清华;117_120资源-CSDN文库

需积分: 1 189 浏览量 2023-05-10 12:27:26 上传评论 1 收藏 1.11MB DOCX 举报

资源推荐

资源详情

资源评论

基于ResNet网络的花卉识别

摘要：本文针对深度学习与基于深度神经网络的花卉识别进行研究。涉及算法流程包括：数据集划分、图

像预处理、ResNet 网络模型训练、模型测试。实验代码基于 python 实现，网络模型采用清华大学发布的

即时编译高性能深度学习框架 jittor 构建，模型在公开花卉数据集上进行训练测试，实现花卉识别，ResNet

模型在测试集准确率最高可达到 XXX。

关键词：花卉识别、深度学习、ResNet 网络

1 引言

随着深度学习的发展，计算机视觉的多项任务已经取得了不错的效果，尤其是目标识别领域，通过构

建深度网络模型，输入大量预处理后的数据，进行模型的训练和测试。深度学习方法通过数据驱动的方式，

利用网络模型自动学习目标特征，基于学习到的深度特征进行目标识别和分类，大大提升了目标识别的性

能。通过 jittor 深度学习框架构建的 ResNet 深度网络进行花卉数据集的特征学习和目标分类，通过交叉熵

损失函数进行深度模型的有监督训练。在本实验中，研究了基于深度学习的目标识别算法以及 ResNet 网络

模型结果，对算法理论进行了概述，并分析了实验结果。

2 实验介绍

2.1 实验任务及要点

2.1.1 实验任务

基于 ResNet 网络的花卉识别。

2.1.2 实验要点

（1）完成对花卉数据集进行划分；

（2）进行数据预处理；

（3）完成 ResNet 网络模型构建；

（4）完成模型训练与测试；

（5）分析上述算法模型对识别准确率的影响；

（6）撰写论文，并进行算法实验。

2.2 深度学习目标识别背景

深度学习是多层神经网络的学习方法，它是相对于浅层学习来讲的。它通过建立、模拟人脑进行分析

学习的神经网络，以实现对事物的感知。神经网络模型正是计算机视觉的基础，通过神经网络模型，本文

赋予计算一种通过图像识别物体信息的能力。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余7页未读，立即下载

内容反馈

智科帮AI

粉丝: 344
资源: 14

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip