基于卷积神经网络VGG16模型花卉分类与手势识别.docx基于卷积神经网络VGG16模型花卉分类与手势识别_.docx

目 录

1. 模型基本框架...................................................................................................1

2. 数据预处理.......................................................................................................3

2.1 数据采集..................................................................................................3

2.2 数据处理..................................................................................................3

2.2.1 参数处理.......................................................................................3

2.2.2 数据中间处理...............................................................................3

4.3 现场测试结果（第三组测试数据）......................................................9

5. 项目研发启示.................................................................................................10

1. 模型基本框架

此次课程设计我所用的模型是深度学习里面的 VGG16 卷积神经网络模型，在

模型训练过程中，所用的贯序式模型，就是一层层链接，最后得到输出层。在之

前的中期报告中，对于两个题目我分别用的是肤色检测和 CNN 模型，但是，在之

后的程序设计当中，我发现对于两者所训练的结果准确率不高，并且分类效果不

明显。所以我选用深度学习里面的 VGG16 作为模型。

kernel size=2。

白色部分为卷积层，红色部分为池化层（使用最大池化），蓝色部分为全连

接层，其中卷积层和全连接层的激活函数都使用 relu。vgg16 总共有 16 层，13

个卷积层和 3 个全连接层，第一次经过 64 个卷积核的两次卷积后，采用一次

pooling，第二次经过两次 128 个卷积核卷积后，再采用 pooling，再重复两次

三个 512 个卷积核卷积后，再 pooling，最后经过三次全连接。下面就是 VGG16

的模型结构解释。

1、一张原始图片被 resize 到(224,224,3)。

2、conv1 两次[3,3]卷积网络，输出的特征层为 64，输出为(224,224,64)，再 2X2

最大池化，输出 net 为(112,112,64)。

6、conv3 三次[3,3]卷积网络，输出的特征层为 256，输出 net 为(14,14,512)，再 2X2

最大池化，输出 net 为(7,7,512)。

7、利用卷积的方式模拟全连接层，效果等同，输出 net 为(1,1,4096)。共进行两