基于深度神经网络架构迁移学习的赤霉病损伤麦粒检测
机器学习
2018-02-02 v1 机器学习
摘要
本工作展示了将迁移学习应用于预训练深度神经网络（DNN）的方法，使用一个小规模图像数据集（约 12,000 张），在配备 NVIDIA GPU 卡的单台工作站上完成训练任务最多耗时 1 小时，并取得 94.7% 的总体平均准确率。该 DNN 在外部测试数据集上的误分类率为 20%。所提方法的准确率与使用 HSI 方法（81%–91%）完成同一任务的相当，但优势在于无需专用设备即可对小麦麦粒的 FHB 症状进行分类。
引用
@article{arxiv.1802.00030,
title = {Fusarium Damaged Kernels Detection Using Transfer Learning on Deep Neural Network Architecture},
author = {Márcio Nicolau and Márcia Barrocas Moreira Pimentel and Casiane Salete Tibola and José Mauricio Cunha Fernandes and Willingthon Pavan},
journal= {arXiv preprint arXiv:1802.00030},
year = {2018}
}