|本期目录/Table of Contents|

[1]崔艳荣,卞珍怡,高英宁.基于生成对抗网络的花卉识别方法[J].江苏农业科学,2022,50(22):200-208.
　Cui Yanrong,et al.Flower recognition method based on generative adversarial networks[J].Jiangsu Agricultural Sciences,2022,50(22):200-208.
点击复制

基于生成对抗网络的花卉识别方法(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第22期
页码:
200-208
栏目:
农业工程与信息技术
出版日期:
2022-11-20

文章信息/Info

Title:
Flower recognition method based on generative adversarial networks
作者:
崔艳荣; 卞珍怡; 高英宁
长江大学计算机科学学院，湖北荆州 434023
Author(s):
Cui Yanrong; et al
关键词:
花卉识别; 生成对抗网络; 数据增强; 深度学习; 注意力机制
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
为解决现有花卉识别准确度低的问题，提出一种基于生成对抗网络的花卉识别方法。使用残差网络构建生成器和判别器，充分提取深层次花卉样本特征，大幅度减小模型参数量，加快模型收敛；融入注意力机制，快速有效提取花卉显著区域特征，并改进模型损失函数，进一步提高对抗网络生成样本的质量。同时利用生成器生成高清晰度、纹理特征明显且具有多样性的高质量花卉样本进行数据增强，迁移判别器参数到花卉识别网络，加快模型收敛速度，进一步提高花卉识别准确度。Oxford 102花卉数据集试验结果显示，相较于其他方法，该方法网络训练稳定、收敛速度快，花卉识别准确度显著提高。
Abstract:
-

参考文献/References:

［1］吴笑鑫，高良，闫民，等. 基于多特征融合的花卉种类识别研究［J］. 北京林业大学学报，2017，39(4)：86-93.
［2］Dhar P. A new flower classification system using LBP and SURF features［J］. International Journal of Image，Graphics and Signal Processing，2019，11(5)：13-20.
［3］Mohanty A K，Bag A. Image mining for flower classification by genetic association rule mining using GLCM features［J］. International Journal of Advanced Engineering，Management and Science，2017，3(5)：516-521.
［4］Al-Saffar A A M，Tao H，Talab M A.Review of deep convolution neural network in image classification［C］//2017 International Conference on Radar，Antenna，Microwave，Electronics，and Telecommunications.Jakarta，Indonesia：IEEE，2017：26-31.
［5］林君宇，李奕萱，郑聪尉，等. 应用卷积神经网络识别花卉及其病症［J］. 小型微型计算机系统，2019，40(6)：1330-1335.
［6］吴丽娜，王林山. 改进的LeNet-5模型在花卉识别中的应用［J］. 计算机工程与设计，2020，41(3)：850-855.
［7］刘嘉政. 基于深度迁移学习模型的花卉种类识别［J］. 江苏农业科学，2019，47(20)：231-236.
［8］关胤. 基于残差网络迁移学习的花卉识别系统［J］. 计算机工程与应用，2019，55(1)：174-179.
［9］Cao S，Song B.Visual attentional-driven deep learning method for flower recognition［J］. Mathematical Biosciences and Engineering，2021，18(3)：1981-1991.
［10］裴晓芳，张杨. 基于改进残差网络的花卉图像分类算法［J］. 电子器件，2020，43(3)：698-704.
［11］Mikoajczyk A，Grochowski M. Data augmentation for improving deep learning in image classification problem［C］//2018 International Interdisciplinary PhD Workshop. S＇winous＇cie，Poland：IEEE，2018：117-122.
［12］刘建伟，谢浩杰，罗雄麟. 生成对抗网络在各领域应用研究进展［J］. 自动化学报，2020，46(12)：2500-2536.
［13］Jin Q M，Lin R H，Yang F C. E-WACGAN：enhanced generative model of signaling data based on WGAN-GP and ACGAN［J］. IEEE Systems Journal，2020，14(3)：3289-3300.
［14］Li Y，Zeng J B，Shan S G，et al. Occlusion aware facial expression recognition using CNN with attention mechanism［J］. IEEE Transactions on Image Processing，2019，28(5)：2439-2450.
［15］王怡斐，韩俊刚，樊良辉. 基于WGAN的语音增强算法研究［J］. 重庆邮电大学学报(自然科学版)，2019，31(1)：136-142.
［16］Liu W B，Duan L X，Tang Y，et al. Data augmentation method for fault diagnosis of mechanical equipment based on improved wasserstein GAN［C］//2020 11th International Conference on Prognostics and System Health Management (PHM—2020 Jinan). Jinan：IEEE，2020：103-111.
［17］Wu Y，Qin X，Pan Y H，et al. Convolution neural network based transfer learning for classification of flowers［C］//2018 IEEE 3rd International Conference on Signal and Image Processing.Shenzhen：IEEE，2018：562-566.
［18］Qin M，Xi Y H，Jiang F. A new improved convolutional neural network flower image recognition model［C］//2019 IEEE Symposium Series on Computational Intelligence.Xiamen：IEEE，2019：3110-3117.
［19］曹晓杰，么娆，严雨灵. 应用迁移学习的卷积神经网络花卉图像识别［J］. 计算机应用与软件，2020，37(8)：142-148.

相似文献/References:

[1]康飞龙,李佳,刘涛,等.多类农作物病虫害的图像识别应用技术研究综述[J].江苏农业科学,2020,48(22):22.
　Kang Feilong,et al.Application technology of image recognition for various crop diseases and insect pests: a review[J].Jiangsu Agricultural Sciences,2020,48(22):22.

备注/Memo

备注/Memo:
收稿日期：2022-01-23
基金项目：国家自然科学基金面上项目(编号：62077018)。
作者简介：崔艳荣(1968—)，女，湖北仙桃人，博士，教授，主要从事网络安全、信息处理研究。E-mail：704974555@qq.com。
通信作者：卞珍怡，硕士研究生，主要从事图形图像及信息处理研究。E-mail：1191313778@qq.com。
更新日期/Last Update: 2022-11-20