基于深度学习的树种识别方法研究
发布时间：2021-01-01 15:41
我国林业生产和管理工作中,树种识别分类是许多林业工作的基础,提高树种识别分类效率有着重要的意义,能够为我国林业工程的发展带来巨大的价值。树种的自动识别分类一直是林业研究中的一项重要课题。近几年深度学习技术在图像分类任务中的突破,人们逐渐利用深度学习的理论方法去弥补传统图像识别分类方法中的不足,提高图像识别分类的效率。本文基于深度学习的图像识别分类技术,提出使用深度学习理论方法基于树木叶片图像完成树种自动识别分类,解决较多类别的复杂树种识别分类困难问题。文章从树种识别分类的发展和深度学习理论的图像分类方法展开叙述,并叙述了现阶段树种识别方法存在的不足和改进方向。为弥补神经网络对输入数据敏感、通用性不足,实际解决目前复杂树种分类困难的问题。论文的主要研究内容如下所示:（1）针对多类别复杂树种识别分类任务,为了提高神经网络的特征提取能力,降低数据敏感造成的分类性能的影响,融合基于空间映射网络（Spatial Transform Network,STN）和密集神经网络（Dense Neural Network,DenseNet）的优良特性,进而提出了新的网络模型ST-DenseNet。ST-D...
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２－２卷积操作示例图??随着深度学习技术的不断发展，如今神经网络中通常采用多层卷积操作以获取更深??层次的特征信息
?２深度学习及其图像识别分类方法???有通过池化操作才能对输入规模进行降低，从而提升整个神经网络的计兑效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??图２－３池化操作示例图??神经网络通过池化操作完成对于输入倍息的下采样，保证特征的不变性。句此同时，??完成对信息的降维、去除冗余信息、对特征进行压缩、简化网络复杂度、降低计算Ｍ、??减少内存消耗。与此同时，扩大对特征的感受野，实现非线性，提高网络训练质量｜５６１。??２．１．４激活函数??激活函数（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成为“激励函数”，指的足神经Ｍ络Ｓ屮用來加权??求和的阐数，ＭＨ激活蚋数能够将神经儿的输入映射到输出端。激Ｗｒ数能够完成神经??网络引入非线性的因尜，通过激活函数，神经Ｍ络就可以拟合各种曲线｜５７）。常见的用于??神经网络的激活函数，如２－４图所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」办?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??图２－４常见的激活函数图??１１??
?２深度学习及其图像识别分类方法???有通过池化操作才能对输入规模进行降低，从而提升整个神经网络的计兑效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??图２－３池化操作示例图??神经网络通过池化操作完成对于输入倍息的下采样，保证特征的不变性。句此同时，??完成对信息的降维、去除冗余信息、对特征进行压缩、简化网络复杂度、降低计算Ｍ、??减少内存消耗。与此同时，扩大对特征的感受野，实现非线性，提高网络训练质量｜５６１。??２．１．４激活函数??激活函数（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成为“激励函数”，指的足神经Ｍ络Ｓ屮用來加权??求和的阐数，ＭＨ激活蚋数能够将神经儿的输入映射到输出端。激Ｗｒ数能够完成神经??网络引入非线性的因尜，通过激活函数，神经Ｍ络就可以拟合各种曲线｜５７）。常见的用于??神经网络的激活函数，如２－４图所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」办?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??图２－４常见的激活函数图??１１??
【参考文献】：
期刊论文
[1]中国人工智能发展态势及其促进策略[J]. 张鑫,王明辉. 改革. 2019(09)
[2]科技部印发《国家新一代人工智能开放创新平台建设工作指引》[J]. 智能建筑与智慧城市. 2019(08)
[3]基于深度学习的5种树皮纹理图像识别研究[J]. 刘嘉政,王雪峰,王甜. 北京林业大学学报. 2019(04)
[4]基于SFFS多特征选择的航拍图像目标检测[J]. 陈苏婷,牛宇宁,张闯,张艳艳. 实验室研究与探索. 2019(03)
[5]试论东北地区林业生态建设[J]. 王强. 农业与技术. 2019(02)
[6]基于Faster R-CNN的榆紫叶甲虫识别方法研究[J]. 董本志,聂丽郦,景维鹏,崔航. 计算机工程与应用. 2018(23)
[7]紧凑型深度卷积神经网络在图像识别中的应用[J]. 吴进,钱雪忠. 计算机科学与探索. 2019(02)
[8]基于多元HoG及无人机航拍图像的植被类型识别[J]. 林志玮,丁启禄,涂伟豪,林金石,刘金福,黄炎和. 森林与环境学报. 2018(04)
[9]基于深度学习的图像特征学习和分类方法的研究及应用[J]. 张国栋. 网络安全技术与应用. 2018(07)
[10]基于图像处理的智能小车无线远程灭火[J]. 张铮,范若怡,宫若宁,易环. 实验室研究与探索. 2018(01)
博士论文
[1]小光斑波形激光雷达森林LAI和单木生物量估测研究[D]. 徐光彩.中国林业科学研究院 2013
[2]基于机载LiDAR和高光谱融合的森林参数反演研究[D]. 刘丽娟.东北林业大学 2011
硕士论文
[1]基于机载LiDAR和高光谱遥感影像融合实现普洱山区树种分类[D]. 刘怡君.中国林业科学研究院 2016
[2]桐城市城市绿地系统树种规划的研究[D]. 李莹莹.安徽农业大学 2008
本文编号：2951554
【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２－２卷积操作示例图??随着深度学习技术的不断发展，如今神经网络中通常采用多层卷积操作以获取更深??层次的特征信息
?２深度学习及其图像识别分类方法???有通过池化操作才能对输入规模进行降低，从而提升整个神经网络的计兑效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??图２－３池化操作示例图??神经网络通过池化操作完成对于输入倍息的下采样，保证特征的不变性。句此同时，??完成对信息的降维、去除冗余信息、对特征进行压缩、简化网络复杂度、降低计算Ｍ、??减少内存消耗。与此同时，扩大对特征的感受野，实现非线性，提高网络训练质量｜５６１。??２．１．４激活函数??激活函数（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成为“激励函数”，指的足神经Ｍ络Ｓ屮用來加权??求和的阐数，ＭＨ激活蚋数能够将神经儿的输入映射到输出端。激Ｗｒ数能够完成神经??网络引入非线性的因尜，通过激活函数，神经Ｍ络就可以拟合各种曲线｜５７）。常见的用于??神经网络的激活函数，如２－４图所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」办?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??图２－４常见的激活函数图??１１??
?２深度学习及其图像识别分类方法???有通过池化操作才能对输入规模进行降低，从而提升整个神经网络的计兑效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??图２－３池化操作示例图??神经网络通过池化操作完成对于输入倍息的下采样，保证特征的不变性。句此同时，??完成对信息的降维、去除冗余信息、对特征进行压缩、简化网络复杂度、降低计算Ｍ、??减少内存消耗。与此同时，扩大对特征的感受野，实现非线性，提高网络训练质量｜５６１。??２．１．４激活函数??激活函数（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成为“激励函数”，指的足神经Ｍ络Ｓ屮用來加权??求和的阐数，ＭＨ激活蚋数能够将神经儿的输入映射到输出端。激Ｗｒ数能够完成神经??网络引入非线性的因尜，通过激活函数，神经Ｍ络就可以拟合各种曲线｜５７）。常见的用于??神经网络的激活函数，如２－４图所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」办?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??图２－４常见的激活函数图??１１??
【参考文献】：
期刊论文
[1]中国人工智能发展态势及其促进策略[J]. 张鑫,王明辉. 改革. 2019(09)
[2]科技部印发《国家新一代人工智能开放创新平台建设工作指引》[J]. 智能建筑与智慧城市. 2019(08)
[3]基于深度学习的5种树皮纹理图像识别研究[J]. 刘嘉政,王雪峰,王甜. 北京林业大学学报. 2019(04)
[4]基于SFFS多特征选择的航拍图像目标检测[J]. 陈苏婷,牛宇宁,张闯,张艳艳. 实验室研究与探索. 2019(03)
[5]试论东北地区林业生态建设[J]. 王强. 农业与技术. 2019(02)
[6]基于Faster R-CNN的榆紫叶甲虫识别方法研究[J]. 董本志,聂丽郦,景维鹏,崔航. 计算机工程与应用. 2018(23)
[7]紧凑型深度卷积神经网络在图像识别中的应用[J]. 吴进,钱雪忠. 计算机科学与探索. 2019(02)
[8]基于多元HoG及无人机航拍图像的植被类型识别[J]. 林志玮,丁启禄,涂伟豪,林金石,刘金福,黄炎和. 森林与环境学报. 2018(04)
[9]基于深度学习的图像特征学习和分类方法的研究及应用[J]. 张国栋. 网络安全技术与应用. 2018(07)
[10]基于图像处理的智能小车无线远程灭火[J]. 张铮,范若怡,宫若宁,易环. 实验室研究与探索. 2018(01)
博士论文
[1]小光斑波形激光雷达森林LAI和单木生物量估测研究[D]. 徐光彩.中国林业科学研究院 2013
[2]基于机载LiDAR和高光谱融合的森林参数反演研究[D]. 刘丽娟.东北林业大学 2011
硕士论文
[1]基于机载LiDAR和高光谱遥感影像融合实现普洱山区树种分类[D]. 刘怡君.中国林业科学研究院 2016
[2]桐城市城市绿地系统树种规划的研究[D]. 李莹莹.安徽农业大学 2008
本文编号：2951554
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2951554.html
