植物图像识别相关论文
植物物种的分类与识别是植物学研究和农业生产的重要基础工作,本文的工作将人工智能与数字图像处理技术应用于植物物种图像的识别,......
针对目前传统野生植物识别算法存在的耗时长、精度低等问题,提出一种基于ResNet101网络和迁移学习的方法。将在ImageNet数据集上训......
植物分类学是一门研究植物界不同物种的起源、亲缘关系、以及进化发展的基础学科。随着模式识别技术的快速发展,植物图像识别技术......
传统的植物图像识别需要操作者有丰富的分类学知识和长期工作的时间和经验,工作效率低、工作量大、数据存在一定的主观性,这些都会......
目前植物科学研究的普及性没有达到很高的程度。人们对所看到的植物不能快速、准确地获取该植物的学名、性状、品类等特征,使得在......
研究植物的种属及特性、保护植物多样性、指导农业从业者科学合理的利用植物生产都离不开植物图像的数字化管理与服务。因此,植物......
植物识别领域的研究包括单一背景和自然环境植物图像识别,由于背景噪声的存在,自然环境植物图像识别难度更大。针对如何降低卷积神......
传统植物图像识别研究主要集中在植物叶片图像。研究将深度神经网络学习运用于植物识别领域,突破局部叶片图像的限制,对常规植物图......
基于图像集的分类问题相较于传统图像分类最大的不同是训练集、测试集中某类对象的多张图像代替原本的单张或者少量的图像样本。一......
植物分类学是一门对植物物种进行准确描述,命名,分群归类,探求各类群之间的亲缘关系,以及演化过程的基础科学。随着模式识别技术在......
为了提高复杂背景植物图像识别准确率,本文提出了一种基于卷积神经网络有效区域筛选的植物图像识别方法,该方法首先用图像(花朵、......
