研究目的
研究通过卷积神经网络进行迁移学习以实现多分辨率草坪杂草分类,从而减少对大型训练数据集的需求并提高识别准确率。
研究成果
研究表明,迁移学习能利用有限训练数据有效分类多分辨率杂草图像,在准确率和计算成本方面均优于直接训练。未来工作将探索低分辨率图像的附加特征及3D卷积神经网络应用。
研究不足
所提出的方法至少需要30%的训练样本才能进行有效微调。分辨率低于30×30像素的图像不包含足够的信息以实现准确分类。
研究目的
研究通过卷积神经网络进行迁移学习以实现多分辨率草坪杂草分类,从而减少对大型训练数据集的需求并提高识别准确率。
研究成果
研究表明,迁移学习能利用有限训练数据有效分类多分辨率杂草图像,在准确率和计算成本方面均优于直接训练。未来工作将探索低分辨率图像的附加特征及3D卷积神经网络应用。
研究不足
所提出的方法至少需要30%的训练样本才能进行有效微调。分辨率低于30×30像素的图像不包含足够的信息以实现准确分类。
加载中....
您正在对论文“[IEEE 2019年第十届高光谱成像与信号处理研讨会:遥感技术演进(WHISPERS)- 荷兰阿姆斯特丹(2019.9.24-2019.9.26)] 2019年第十届高光谱成像与信号处理研讨会:遥感技术演进(WHISPERS)- 基于卷积神经网络的多分辨率草坪杂草分类知识迁移”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期