我國林業(yè)生產(chǎn)和管理工作中,樹種識別分類是許多林業(yè)工作的基礎(chǔ),提高樹種識別分類效率有著重要的意義,能夠為我國林業(yè)工程的發(fā)展帶來巨大的價值。樹種的自動識別分類一直是林業(yè)研究中的一項重要課題。近幾年深度學(xué)習(xí)技術(shù)在圖像分類任務(wù)中的突破,人們逐漸利用深度學(xué)習(xí)的理論方法去彌補傳統(tǒng)圖像識別分類方法中的不足,提高圖像識別分類的效率。本文基于深度學(xué)習(xí)的圖像識別分類技術(shù),提出使用深度學(xué)習(xí)理論方法基于樹木葉片圖像完成樹種自動識別分類,解決較多類別的復(fù)雜樹種識別分類困難問題。文章從樹種識別分類的發(fā)展和深度學(xué)習(xí)理論的圖像分類方法展開敘述,并敘述了現(xiàn)階段樹種識別方法存在的不足和改進方向。為彌補神經(jīng)網(wǎng)絡(luò)對輸入數(shù)據(jù)敏感、通用性不足,實際解決目前復(fù)雜樹種分類困難的問題。論文的主要研究內(nèi)容如下所示:（1）針對多類別復(fù)雜樹種識別分類任務(wù),為了提高神經(jīng)網(wǎng)絡(luò)的特征提取能力,降低數(shù)據(jù)敏感造成的分類性能的影響,融合基于空間映射網(wǎng)絡(luò)（Spatial Transform Network,STN）和密集神經(jīng)網(wǎng)絡(luò)（Dense Neural Network,DenseNet）的優(yōu)良特性,進而提出了新的網(wǎng)絡(luò)模型ST-DenseNet。ST-D... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２卷積操作示例圖??隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，如今神經(jīng)網(wǎng)絡(luò)中通常采用多層卷積操作以獲取更深??層次的特征信息

?２深度學(xué)習(xí)及其圖像識別分類方法???有通過池化操作才能對輸入規(guī)模進行降低，從而提升整個神經(jīng)網(wǎng)絡(luò)的計兌效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??圖２－３池化操作示例圖??神經(jīng)網(wǎng)絡(luò)通過池化操作完成對于輸入倍息的下采樣，保證特征的不變性。句此同時，??完成對信息的降維、去除冗余信息、對特征進行壓縮、簡化網(wǎng)絡(luò)復(fù)雜度、降低計算Ｍ、??減少內(nèi)存消耗。與此同時，擴大對特征的感受野，實現(xiàn)非線性，提高網(wǎng)絡(luò)訓(xùn)練質(zhì)量｜５６１。??２．１．４激活函數(shù)??激活函數(shù)（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成為“激勵函數(shù)”，指的足神經(jīng)Ｍ絡(luò)Ｓ屮用來加權(quán)??求和的闡數(shù)，ＭＨ激活蚋數(shù)能夠?qū)⑸窠?jīng)兒的輸入映射到輸出端。激Ｗｒ數(shù)能夠完成神經(jīng)??網(wǎng)絡(luò)引入非線性的因尜，通過激活函數(shù)，神經(jīng)Ｍ絡(luò)就可以擬合各種曲線｜５７）。常見的用于??神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，如２－４圖所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」辦?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??圖２－４常見的激活函數(shù)圖??１１??

?２深度學(xué)習(xí)及其圖像識別分類方法???有通過池化操作才能對輸入規(guī)模進行降低，從而提升整個神經(jīng)網(wǎng)絡(luò)的計兌效率，如ｍ?２－??３所示。??＿?＿＿?乂?■??議ｉｓ麗??．．??圖２－３池化操作示例圖??神經(jīng)網(wǎng)絡(luò)通過池化操作完成對于輸入倍息的下采樣，保證特征的不變性。句此同時，??完成對信息的降維、去除冗余信息、對特征進行壓縮、簡化網(wǎng)絡(luò)復(fù)雜度、降低計算Ｍ、??減少內(nèi)存消耗。與此同時，擴大對特征的感受野，實現(xiàn)非線性，提高網(wǎng)絡(luò)訓(xùn)練質(zhì)量｜５６１。??２．１．４激活函數(shù)??激活函數(shù)（ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎ）也被成為“激勵函數(shù)”，指的足神經(jīng)Ｍ絡(luò)Ｓ屮用來加權(quán)??求和的闡數(shù)，ＭＨ激活蚋數(shù)能夠?qū)⑸窠?jīng)兒的輸入映射到輸出端。激Ｗｒ數(shù)能夠完成神經(jīng)??網(wǎng)絡(luò)引入非線性的因尜，通過激活函數(shù)，神經(jīng)Ｍ絡(luò)就可以擬合各種曲線｜５７）。常見的用于??神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，如２－４圖所示。??Ｓｉｇｍｏｉｄ?ｆ?一?Ｌｅａｋｙ?ＲｅＬＵ?／??ａ（ｘ）?＝?＾?／?ｍａｘ（（Ｕｕ）?／??？ＩＤ」辦?１０?－＾Ｔ?１０??ｔａｎ＾?ｊ?Ｍａｘｏｕｔ??ｔａｎｈ（ｘ）?Ｋ?／?１０?ｍａｘ?（ｉｒｆｘ?＋?６】，ｕ，『：ｒ?＋?６２）??１０?ｙ?ｉＯ?，??ＲｅＬＵ?ＥＬＵ?／??ｍａｘ（０，?ｘ）?／?ｘ?－０?／????Ｊ?￣?１）?Ｘ?＜?０???＾??圖２－４常見的激活函數(shù)圖??１１??

【參考文獻(xiàn)】：
期刊論文
[1]中國人工智能發(fā)展態(tài)勢及其促進策略[J]. 張鑫,王明輝.  改革. 2019(09)
[2]科技部印發(fā)《國家新一代人工智能開放創(chuàng)新平臺建設(shè)工作指引》[J].   智能建筑與智慧城市. 2019(08)
[3]基于深度學(xué)習(xí)的5種樹皮紋理圖像識別研究[J]. 劉嘉政,王雪峰,王甜.  北京林業(yè)大學(xué)學(xué)報. 2019(04)
[4]基于SFFS多特征選擇的航拍圖像目標(biāo)檢測[J]. 陳蘇婷,牛宇寧,張闖,張艷艷.  實驗室研究與探索. 2019(03)
[5]試論東北地區(qū)林業(yè)生態(tài)建設(shè)[J]. 王強.  農(nóng)業(yè)與技術(shù). 2019(02)
[6]基于Faster R-CNN的榆紫葉甲蟲識別方法研究[J]. 董本志,聶麗酈,景維鵬,崔航.  計算機工程與應(yīng)用. 2018(23)
[7]緊湊型深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用[J]. 吳進,錢雪忠.  計算機科學(xué)與探索. 2019(02)
[8]基于多元HoG及無人機航拍圖像的植被類型識別[J]. 林志瑋,丁啟祿,涂偉豪,林金石,劉金福,黃炎和.  森林與環(huán)境學(xué)報. 2018(04)
[9]基于深度學(xué)習(xí)的圖像特征學(xué)習(xí)和分類方法的研究及應(yīng)用[J]. 張國棟.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2018(07)
[10]基于圖像處理的智能小車無線遠(yuǎn)程滅火[J]. 張錚,范若怡,宮若寧,易環(huán).  實驗室研究與探索. 2018(01)

博士論文
[1]小光斑波形激光雷達(dá)森林LAI和單木生物量估測研究[D]. 徐光彩.中國林業(yè)科學(xué)研究院 2013
[2]基于機載LiDAR和高光譜融合的森林參數(shù)反演研究[D]. 劉麗娟.東北林業(yè)大學(xué) 2011

碩士論文
[1]基于機載LiDAR和高光譜遙感影像融合實現(xiàn)普洱山區(qū)樹種分類[D]. 劉怡君.中國林業(yè)科學(xué)研究院 2016
[2]桐城市城市綠地系統(tǒng)樹種規(guī)劃的研究[D]. 李瑩瑩.安徽農(nóng)業(yè)大學(xué) 2008



本文編號：2951554