基于改進(jìn)AlexNet的嶺南水稻蟲害識別方法研究

打開文本圖片集

摘要：通過改進(jìn)經(jīng)典AlexNet深度學(xué)習(xí)模型在幾種典型的水稻害蟲識別中的深度不足和過擬合問題，探索出一套泛化能力更強(qiáng)、識別精度與計算效率更加均衡的深度學(xué)習(xí)網(wǎng)絡(luò)模型，達(dá)到在一定計算資源支持下能適應(yīng)復(fù)雜情境的精準(zhǔn)辨識水稻害蟲的需求。本研究中AlexNet-enhanced模型經(jīng)過了以下改進(jìn)：（1）采用通過縮小卷積核和增加卷積層深度的方式提升對圖像深層次特征提取的能力；（2）刪除LRN層和刪除一個全連接層提升模型計算性能；（3）使用RReLU激活函數(shù)改進(jìn)模型魯棒性。（剩余10177字）