多茶類CNN圖像識(shí)別的數(shù)據(jù)增強(qiáng)優(yōu)化及類激活映射量化評(píng)價(jià)

摘要： 我國(guó)茶葉種類繁多，識(shí)別難度大。卷積神經(jīng)網(wǎng)絡(luò)（Convolutionalneuralnetwork,CNN）圖像識(shí)別具有客觀性、適應(yīng)復(fù)雜圖片背景且可移植于移動(dòng)端的優(yōu)勢(shì)。但當(dāng)前茶葉CNN圖像識(shí)別缺乏對(duì)數(shù)據(jù)增強(qiáng)優(yōu)化和識(shí)別準(zhǔn)確性客觀評(píng)價(jià)的研究，限制了模型識(shí)別的魯棒性和泛化能力。采集29種常見茶類共6 123張圖像構(gòu)建數(shù)據(jù)集，對(duì)比了10種圖像數(shù)據(jù)增強(qiáng)方法的ResNet-18(Residu...