基于迁移学习的林业业务图像识别

编号 zgly0001712025

文献类型 期刊论文

文献题名 基于迁移学习的林业业务图像识别

作者 林朝剑  张广群  杨洁  徐鹏  李英杰  汪杭军 

作者单位 浙江农林大学信息工程学院  浙江农林大学暨阳学院 

母体文献 南京林业大学学报(自然科学版 

年卷期 2020年04期

年份 2020 

分类号 S712  TP183  TP391.41 

关键词 林业业务图像  迁移学习  森林管护  卷积神经网络  图像识别 

文摘内容 【目的】林业业务图像的识别分类有利于林业管理部门对相关事件作出合理的处置方案及指挥调度决策,从而充分发挥护林员的作用,提升森林管护的水平,达到保护森林资源和生态安全的目的。【方法】提出了一种针对林业业务图像基于迁移学习的卷积神经网络(convolutional neural networks)自动分类模型。在经过大规模辅助图像数据集ImageNet预训练的4种卷积神经网络模型的基础上,使用林业业务图像数据对训练好的模型进行迁移学习,采用新的全连接层取代原始的全连接层,其他层参数保持不变。【结果】在建立的4个类别林业业务图像数据集上,4个预训练卷积神经网络结构的迁移学习模型都具有较高的分类正确率。其中,基于Inception-v3的迁移学习模型识别精度最高,达到96.4%。【结论】利用基于Inception-v3的迁移学习模型进行林业业务图像分类是可行的。相比传统的特征提取识别方法以及其他预训练模型,Inception-v3模型具有很强的分类能力,可以在森林管护中发挥更广泛的应用。