一种基于Mobilemul模型的花卉分类方法技术

本发明专利技术公开一种基于Mobilemul模型的花卉分类方法，通过特征提取模块CB Block、深度可分离卷积模块Dwise Block以及改进的密集连接Dense模块的依次串联，来构建待训练模型。同时，结合各场景获取的样本图像，进行训练，以各场景获取样本图像为输入，将各场景获取样本图像中属于各指定目标类型的目标对象进行分类，得到目标检测分类模型。进一步应用目标检测分类模型，可以实现对各场景获取图像中各目标对象的分类检测。与现有技术相比，本发明专利技术克服了现有技术中鲁棒性差、过程复杂、检测时间较长的问题，利用Mobilemul模型架构，具有结构简单、参数量较少的优点。

【技术实现步骤摘要】

本专利技术设计一种基于mobilemul模型的花卉分类方法，属于图像识别分类。

技术介绍

1、随着人们对美丽环境的追求，花卉在人们的生活中扮演着越来越重要的角色。然而，随着花卉种类的增加，对花卉的识别和分类变得越来越具有挑战性。为了解决这个问题，花卉识别和分类技术备受关注。

2、花卉识别和分类算法主要分为两大类：基于传统机器学习的方法和基于深度学习的方法。传统机器学习方法使用滑动窗口对图像进行遍历，同时提取当前窗口中手工设计的特征，并使用分类器进行分类。然而，传统方法在复杂环境下的检测鲁棒性较差。

3、相比之下，基于深度学习的识别和分类方法具有更强的适应性。例如，cnn和resnet算法能够适应较为复杂的环境。然而，这些算法的参数量较大，导致运算时间较长，网络运行过程较为复杂，难以满足实际场景中的要求。

技术实现思路

1、专利技术目的：本专利技术旨在提供一种基于mobilemul模型的花卉分类方法，通过全新的模型架构设计，实现对各场景下不同花卉对象的检测。该方法旨在克服现有技术在鲁棒性本文档来自技高网...

【技术保护点】

1. 一种基于Mobilemul模型的花卉分类方法，其特征在于：按如下步骤A至步骤D，获得目标检测分类模型；然后应用目标检测分类模型，实现对各场景获取的花卉图像中属于预设各指定目标类型的各目标对象分类的检测；所述目标检测分类模型包括特征提取网络模块CB Block、N个深度可分离卷积模块Dwise Block、N个改进Dense模块以及Mul模块，N个深度可分离卷积模块Dwise Block、N个改进Dense模块依次间隔连接，特征提取网络模块CBBlock与首个深度可分离卷积模块Dwise Block连接，最后一个改进Dense模块与Mul模块连接；

2. 根据权利要求1所...

【技术特征摘要】

1. 一种基于mobilemul模型的花卉分类方法，其特征在于：按如下步骤a至步骤d，获得目标检测分类模型；然后应用目标检测分类模型，实现对各场景获取的花卉图像中属于预设各指定目标类型的各目标对象分类的检测；所述目标检测分类模型包括特征提取网络模块cb block、n个深度可分离卷积模块dwise block、n个改进dense模块以及mul模块，n个深度可分离卷积模块dwise block、n个改进dense模块依次间隔连接，特征提取网络模块cbblock与首个深度可分离卷积模块dwise block连接，最后一个改进dense模块与mul模块连接；

2. 根据权利要求1所述一种基于mobilemul模型的花卉分类方法，其特征在于：在所述步骤a中，特征提取模块cb block结构中：卷积层的输入端构成特征提取模块cb block的输入端，输出端连接tanh-relu激活函数，非线性激活函数tanh-relu的输出端连接批归一化模块bn的输入端，批归一化模块bn的输出端构成特征提取模块cb block的输出端，然后再连接深度可分离卷积模块dwise block的输入端。

3. 根据权利要求1所述一种基于mobilemul模型的花卉分类方法，其特征在于：深度可分离卷积模块dwise block中的带有分组数的卷积层输入端构成深度可分离卷积的输入端，带有分组数的卷积层输出端连接非线性激活函数tanh-relu的输入端，非...

【专利技术属性】
技术研发人员：王媛媛，田海阳，严少峰，朱俊勋，宋照渝，黄佳泷，李亚州，王梅峰，张海艳，顾丁韵，朱叶萌，张郅晗，朱全银，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：