基于改进VGGNet卷积神经网络的鲜花识别

【目的】提出一种基于VGGNet的改进算法Small VGGNet（S VGGNet），使得在最高运算效率和检测结果的同时，有效减少VGGNet模型超参数的规模，并用于花草树木等植物分类问题。【方法】在原VGGNet模型的基础上减少了一个全连接层，改进了最大池化层，优化了模型结构并减少了网络参数。将新算法用于花草树木等植物分类问题上，进一步分析该算法的预测时间、运行时间、分类准确度等。【结果】无论在训练样本规模、运行时间或者分类结果的准确度上，与多种传统方法和改进VGG算法相比，S VGGNet算法均有明显提升。【结论】提出的S VGGNet算法是有效的。