典型文献
基于一种轻量级卷积神经网络的植物叶片图像识别研究
文献摘要：
对轻量级卷积神经网络MobileNet V2的模型结构进行改进,将深度可分离卷积中的激活函数ReLU替换成Leaky ReLU,从而避免神经元死亡问题,倒置残差卷积中的跨越连接添加Dropout层,增大模型的泛化能力.实验结果表明,预测结果的总体准确率达到91.41％,最高精确率为95.12％,最高召回率为97.39％,取得较好的预测结果.这说明将MobileNet V2卷积神经网络用于植物叶片图像识别是实际可行的,为移动端植物叶片图像识别提供了实现方法和技术支撑.
文献关键词：
植物叶片;图像识别;MobileNet V2;卷积神经网络;深度学习
中图分类号：
作者姓名：
李文逵;韩俊英
作者机构：
甘肃农业大学信息科学技术学院,甘肃 兰州 730070
文献出处：
引用格式：
[1]李文逵;韩俊英-.基于一种轻量级卷积神经网络的植物叶片图像识别研究)[J].软件工程,2022(02):10-13,9
A类：
B类：
轻量级卷积神经网络,植物叶片,图像识别,MobileNet,V2,模型结构,深度可分离卷积,激活函数,ReLU,替换成,Leaky,神经元死亡,倒置残差,残差卷积,跨越连接,Dropout,大模型,泛化能力,精确率,召回率,移动端,实现方法,方法和技术
AB值：
0.344058
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
