-
【作者】周艳霞,谢鑫焱,阿永强,罗松元邓,杨晨
-
【作者单位】西藏大学信息科学技术学院
-
【年份】2023
-
【卷号】第36卷
-
【期号】 第3期
-
【页码】55-57,61
-
【关键词】识别鉴定 图像分类 数据增强 性能提升 Jetson Nano
-
【摘要】
为了对藏药材快速准确的识别鉴定,文章采用深度学习图像分类,但由于藏药材的信息化建设较为滞后,在计算机视觉领域尚未公开的标准数据集,因此本文在建立100种常见藏药材标准数据集的基础上,首先进行图像增强操作,增加数据的多样性,然后分别采用ReSNet-50、SENet-50、CBAMNet-50骨干网进行训练,实验结果表明:CBAMNet-50的准确率为97.08%,取得了参数量-复杂度的均衡,实现了性能提升。最后,将CBAMNet模型并部署在JetsonNano上,实现了藏药材智能化的识别,有利于...
-
【文献类型】
期刊
进入发现系统查看更多信息
页脚