论文部分内容阅读
花卉种类识别属于植物分类的重要分支之一,有着很高的研究和应用价值。但是,目前的花卉识别方法普遍存在着时间长、准确率较低的问题。针对这些问题,本文以花卉图像作为研究对象,首先选择Gabor滤波器对花卉图像进行纹理分析,然后采用改进后的LeNet-5和GoogLeNet神经网络模型对处理后的花卉图片分别进行特征提取,并对得到的两个不同的特征向量进行特征融合,以此进行花卉种类的识别和模型训练。为了验证模型的优劣,使用Tensorflow框架对实验进行仿真,基于混合卷积神经网络无论在泛化能力还是拟合能力上都