论文部分内容阅读
针对植物叶片识别过程中参数较多且易产生过拟合的问题,为减少其存储及计算的代价,本文提出一种基于贝叶斯融合压缩卷积神经网络植物叶片识别模型。首先,利用递归贝叶斯算法进行网络剪枝,自适应地去除网络冗余;然后,引入K-Means聚类量化网络中的卷积层和完全连接层,用于压缩整个卷积神经网络;最后,结合经典卷积神经网络模型AlexNet,进行植物叶片识别实验。实验结果表明,在相同的数据集中,压缩后的卷积神经网络相比于原网络及其它压缩方法,占用的存储空间更少,压缩率达到36倍,并取得了略好的性能,准确率达到88