公开数据集
数据结构 ? 108.7M
Data Structure ?
* 以上分析是由系统提取分析形成的结果,具体实际数据为准。
README.md
葡萄藤的主要产品是新鲜或加工的葡萄。此外,葡萄叶作为副产品每年收获一次。葡萄叶的种类在价格和口味方面很重要。在这项研究中,基于深度学习的分类是通过使用葡萄叶的图像进行的。为此,使用特殊的自发光系统拍摄了属于 5 个物种的 500 片藤叶的图像。后来,这个数字通过数据增强方法增加到 2500 个。分类是使用最先进的 CNN 模型微调 MobileNetv2 进行的。作为第二种方法,从预先训练的 MobileNetv2 的 Logits 层中提取特征,并使用各种 SVM 内核进行分类。作为第三种方法,从 MobileNetv2 的 Logits 层提取的 1000 个特征通过卡方方法选择并减少到 250 个。然后,使用选择的特征使用各种 SVM 内核进行分类。最成功的方法是通过从 Logits 层提取特征并使用卡方方法减少特征。最成功的 SVM 内核是 Cubic。系统分类成功率为97.60%。据观察,尽管分类中使用的特征数量减少了,但特征选择提高了分类成功率。
Grapevine Leaves Image Dataset
KOKLU Murat (a), UNLERSEN M. Fahri (b), OZKAN Ilker Ali (a), ASLAN M. Fatih(c), SABANCI Kadir (c)
(a) Department of Computer Engineering, Selcuk University, Turkey, Konya, Turkey
(b) Department of Electrical and Electronics Engineering, Necmettin Erbakan University, Konya, Turkey
(c) Department of Electrical-Electronic Engineering, Karamanoglu Mehmetbey University, Karaman, Turkey
Citation Request :
Koklu, M., Unlersen, M. F., Ozkan, I. A., Aslan, M. F., & Sabanci,
K. (2022). A CNN-SVM study based on selected deep features for grapevine
leaves classification. Measurement, 188, 110425. Doi:https://doi.org/10.1016/j.measurement.2021.110425
link: https://doi.org/10.1016/j.measurement.2021.110425
Highlights
• Classification of five classes of grapevine leaves by MobileNetv2 CNN Model.
• Classification of features using SVMs with different kernel functions.
• Implementing a feature selection algorithm for high classification percentage.
• Classification with highest accuracy using CNN-SVM Cubic model.
帕依提提提温馨提示
该数据集正在整理中,为您准备了其他渠道,请您使用
- 分享你的想法
全部内容
数据使用声明:
- 1、该数据来自于互联网数据采集或服务商的提供,本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息,如数据集描述中有描述差异,请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据,请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示,请及时联系本站,我们会安排进行数据下线。