基于DeepLearning4J on Spark深度學(xué)習(xí)方法在藥用植物圖像識(shí)別中應(yīng)用初探

摘要： 目的基于卷積神經(jīng)網(wǎng)絡(luò),使藥用植物的圖像識(shí)別自動(dòng)化、智能化,從而提高藥用植物識(shí)別的效率。方法使用中國(guó)植物圖像庫(kù)搜集藥用植物圖像,進(jìn)行灰度化、角度隨機(jī)旋轉(zhuǎn)等批量處理。采用卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù),結(jié)合DeepLearning4j框架,對(duì)模型參數(shù)進(jìn)行優(yōu)化調(diào)試。結(jié)果使用DL4J-example、AlexNet、VGG16模型,小樣本單一背景藥用植物圖像識(shí)別正確率分別達(dá)到68.00%、7... （共5頁(yè)）