基于轻量化模型和迁移学习的花卉识别

针对现有花卉识别方法存在的识别精度不高、模型体积大等问题，提出一种基于轻量化模型和迁移学习的花卉识别方法.首先，以MobileNetV2模型作为骨干网络构建轻量化的花卉识别模型；然后，采用迁移学习策略使模型具备良好的初始特征提取能力；最后，利用小规模的花卉图像数据集对模型进行逐级训练和微调，使模型获得最佳的花卉识别能力.实验结果表明，该花卉识别模型在花卉图像数据集Oxford flower-102上获得了97.76%的识别精度，并且模型体积只有9.2 MB,具有识别精度高、模型体积小的优点，方便在移动设备上部署和应用.