VGG16模型进行十种花卉分类与识别（pycharm+python3.6解释器）

目录

          一、模型框架

         二、 数据预处理

         三、特征提取与分类

         四、结果展示与分析

         五、核心程序代码

一、模型框架

      此次课程设计我所用的模型是深度学习里面的VGG16卷积神经网络模型，在模型训练过程中，所用的贯序式模型，就是一层层链接，最后得到输出层。在之前的中期报告中，对于两个题目我分别用的是肤色检测和CNN模型，但是，在之后的程序设计当中，我发现对于两者所训练的结果准确率不高，并且分类效果不明显。所以我选用深度学习里面的VGG16作为模型。

        从下面两个图可以看出，VGG16共有16个层，这也是VGG16名称的由来，是一个相当深的卷积神经网络。VGG各种级别的结构都采用了5段卷积，每一段有一个或多个卷积层。同时每一段的尾部都接着一个最大池化层来缩小图片尺寸。每一段内的卷积核数量一致，越靠后的卷积核数量越多 64-128-256-512-512。经常出现多个完全一样的卷积层堆叠在一起的情况。16的卷积网络是stride=1，kernel size=3，padding=1的卷积，池化层则使用的是最大池化层，stride=2，kernel size=2。

         白色部分为卷积层，红色部分为池化层（使用最大池化），蓝色部分为全连接层，其中卷积层和全连接层的激活函数都使用relu。vgg16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，再采用pooling，再重复两次三个512个卷积核卷积后，再pooling，最后经过三次全连接。下面就是VGG16的模型结构解释。

二、数据预处理

（1）模板数据集

本次设计主要使用的是老师所发的十种花卉图片，共有400多张，分别是0-9种花卉，如下：

相关知识

卷积神经网络训练花卉识别分类器
Keras复现VGG16及实现花卉分类
利用VGG16做花数据集的识别
基于VGG16网络的花卉识别
基于卷积神经网络的樱桃叶片病虫害识别与防治系统，vgg16，resnet，swintransformer，模型融合（pytorch框架，python代码）
农作物病虫害识别技术的发展综述
基于CNN的番茄叶片病虫害识别技术
基于RCNN深度学习的植物叶片病害识别系统：数据集、模型和UI界面的完整实现
基于轻量化VGG的植物病虫害识别
基于卷积神经网络的花卉识别方法

网址: VGG16模型进行十种花卉分类与识别（pycharm+python3.6解释器） https://www.huajiangbk.com/newsview460401.html