论文部分内容阅读
为了提高模型识别效率,本文提出基于兴趣区域的多层特征融合的花卉图像分类方法,并有效应用于梅花细粒度图像分类。通过提取兴趣区域和多层特征融合强化图像特征,使用全局平均池化层替代Flatten层。采用联合均匀分布的交叉熵损失函数,提升了分类准确率。实验结果表明:此方法在标准数据集Oxford Flowers 102的分类准确率为93.57%,在梅花数据集Plum Flowers 17的分类准确率为85.47%。此方法通过融合多层图像特征,能够消除背景噪声的干扰,具有通用性。