基于卷积神经网络的宠物猫品种分类研究

摘要：

为了提高宠物猫品种分类的准确率,提出了一种卷积神经网络融合的方法进行特征提取.首先,基于堆叠卷积自动编码器的域自适应技术,采用反卷积操作丰富特征图;其次,利用Inception结构增加网络的宽度来提取多尺度信息的特征图;最后,使用Softmox函数对图像进行分类,在Oxford-ⅢT数据集中进行实验分析.实验结果表明,利用改进后的模型对宠物猫进行分类,准确率高于对比模型,达到了84.56%,损失值为0.015 0.所提出的卷积神经网络融合方法不仅能通过丰富特征图,加深网络深度更好地表达特征,还能提高分类性能和收敛性能,较好地解决了宠物品种识别中由宠物相似所带来的识别率低的问题,还可以推广应用到其他图像相似问题的应用场景中.

展开

DOI：

10.7535/hbgykj.2020yx06004

相关知识

基于卷积神经网络的宠物识别
基于卷积神经网络通过声音识别动物情绪的方法及系统
一种基于深度卷积神经网络的禽类动物行为识别方法与流程
基于卷积神经网络的宠物识别 Pet Recognition Based on Convolutional Neural Network
基于卷积神经网络通过声音识别动物情绪的方法及系统与流程
基于深度学习的宠物猫排泄物图像分类及其在宠物猫智能家居系统的应用研究
100基于卷积神经网络之鸟鸣识别鸟的种类
基于深度学习的猫狗图片分类研究（数据集+实验代码+4000字实验报告）
基于神经网络的野生生态环境鸟类鸣声识别方法与流程
基于多维神经网络深度特征融合的鸟鸣识别算法

网址: 基于卷积神经网络的宠物猫品种分类研究 https://www.mcbbbk.com/newsview413196.html