论文部分内容阅读
针对基于特征变化进行露霜图像识别中特征提取难度较大的问题,提出一种基于多路特征融合和深度学习的露霜图像分类方法。利用传统的卷积神经网络对露霜图像进行分类;在ResNet-50模型基础上,通过增加浅层网络层到深层网络层的多个通路,将具有更强细节纹理信息的浅层特征和具有更明确语义分类信息的深层特征相结合,增强后续卷积运算的特征信息。在露霜自动化观测设备采集的图像集上测试,实验结果表明,该方法的分类准确率达到99. 2%。