张梦雨

(河海大学计算机与信息学院，江苏 南京 211100)

0 引 言

近年来，随着人工智能的不断发展，深度学习在图像分类、目标检测、图像分割领域所达到的效果优于传统的机器学习方法，基于深度学习的图像识别技术被广泛应用于缺陷检测、人脸识别、车牌识别、指纹识别等领域[1]。ImageNet竞赛中不断有优秀的网络模型在识别率上实现突破，AlexNet[2]、VGGNet[3]、GoogLeNet[4]相继被提出，并展现出网络层数越来越深的趋势。但通过实验发现简单地堆叠卷积层与池化层搭建的深层网络，会出现梯度消失、梯度爆炸、网络退化等现象，2015年何凯明团队提出的ResNet[5]较好地解决了这些问题。ResNet主要由残差块组成，通过残差块的堆叠可以搭建很深的网络，并且不会出现网络退化现象。

社会不断发展，人们物质生活得到满足，逐渐开始追求精神生活的充实，因此人们游览公园、景点频率提高，但花卉种类繁多，不免有些不认识的品种。随着互联网和智能移动设备的普及，使用设备进行拍摄照片并利用深度学习技术对花卉进行识别变得十分方便，因此花卉识别应用价值较高，同时基于深度学习的图像识别技术又具备很强的泛化能力。

传统的花卉识别方法泛化能力不强[6]，随着深度学习成为研究热点，越来越多的学者尝试使用深度神经网络模型进行花卉识别。王丽雯[7]优化AlexNet网络结构和网络顺序后识别精度达到66.3%；刘德建[8]使用LeNet模型对116类花卉进行识别，达到了80%的识别率；林君宇等[9]使用多输入卷积神经网络对花卉及其病症分类，识别率为88.2%，使用迁移学习后识别率提升到94.4%；……