改进 ResNet50花卉识别模型,用ResNset50模型预处理数据集,提取花卉特征,用逻辑回归算法和XGBoost算法做分类器,进行花卉的分类。
改进 ResNet50花卉识别模型,用ResNset50模型预处理数据集,提取花卉特征,用逻辑回归算法和XGBoost算法做分类器,进行花卉的分类。
在17类花卉数据集下,两种算法分类器花卉识别准确率分别为96.32%和86.76%。经过数据增强后,逻辑回归分类器准确率达到99.39%,XGBoost分类器准确率达到98.32%。
改进 ResNet50花卉识别模型,用ResNset50模型预处理数据集,提取花卉特征,用逻辑回归算法和XGBoost算法做分类器,进行花卉的分类。
在17类花卉数据集下,两种算法分类器花卉识别准确率分别为96.32%和86.76%。经过数据增强后,逻辑回归分类器准确率达到99.39%,XGBoost分类器准确率达到98.32%。
基于ResNet50的预训练模型和逻辑回归分类器在小样本数据集上有较高的准确率。