公开(公告)号：CN109325484B

公开(公告)日：2021-08-24

申请号：CN201810854878.X

申请日：2018-07-30

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  吴迪 ,  刘旭红 ,  尹静 ,  崔展奇

IPC: G06K9/32 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于背景先验显著性的花卉图像分类方法，该方法通过背景先验显著性的方法确定花卉区域，将花卉分割方法和基于迁移学习的深度神经网络分类方法结合，将训练迁移的InceptionV3网络用于花卉图像，利用训练好的网络模型对花卉图像进行分类。在国际公开花卉识别数据集Oxford flower‑102上的实验表明：该模型比改进的Alex网络分类准确率高7.63％，且比未进行分割的花卉图像进行网络训练的模型准确率高2.85％，分类准确率达到了93.38％。

公开(公告)号：CN109325484A

公开(公告)日：2019-02-12

申请号：CN201810854878.X

申请日：2018-07-30

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  吴迪 ,  刘旭红 ,  尹静 ,  崔展奇

IPC: G06K9/32 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于背景先验显著性的花卉图像分类方法，该方法通过背景先验显著性的方法确定花卉区域，将花卉分割方法和基于迁移学习的深度神经网络分类方法结合，将训练迁移的InceptionV3网络用于花卉图像，利用训练好的网络模型对花卉图像进行分类。在国际公开花卉识别数据集Oxford flower-102上的实验表明：该模型比改进的Alex网络分类准确率高7.63％，且比未进行分割的花卉图像进行网络训练的模型准确率高2.85％，分类准确率达到了93.38％。