第22卷第2期2023年2月Vol.22No.2Feb.2023软件导刊SoftwareGuide嵌入压缩—激励机制ResNet的民族药植物图像识别周婷，杜建强，朱彦陈，冯振乾（江西中医药大学计算机学院，江西南昌330004）摘要：针对民族药植物图像数据集稀缺、样本量少、图像背景复杂以致图像特征提取困难的问题，构建TibetanMP数据集，提出一种嵌入压缩—激励机制ResNet并结合迁移学习的图像识别方法。该方法对ResNet34在ImageNet上的预训练模型进行迁移学习，以减少过拟合现象，同时在网络浅层中引入SE机制，使网络聚焦图像中的关键特征，最后对模型进行微调。为了评估所提方法的性能，在TibetanMP、Oxford102flowers和CIFAR-10数据集上进行实验，模型分别取得96.33%、98.81%和91.92%的识别准确率。与其他主流CNN图像识别模型进行比较，发现该模型具有更高的识别精度，具有一定的工程实用性。关键词：图像识别；民族药植物图像；ResNet；压缩激励；迁移学习DOI：10.11907/rjdk.221181开放科学（资源服务）标识码（OSID）：中图分类号：TP391.4文献标识码：A文章编号：1672-7800（2023）002-0001-07ImageRecognitionofEthnicMedicinalPlantsEmbeddingSqueeze-and-ExcitationMechanismResNetZHOUTing，DUJian-qiang，ZHUYan-chen，FENGZhen-qian（CollegeofComputerScience，JiangxiUniversityofChineseMedicine，Nanchang330004，China）Abstract：Aimingattheproblemsofscarcityofethnicmedicinalplantsimagedataset，smallsamplesizecompleximagebackground，whichmakeimagefeatureextractiondifficult，theTibetanMPdatasetisconstructedandanimagerecognitionmethodwithembeddedSqueeze-and-ExcitationmechanismResNetcombinedwithtransferlearningwasproposed.Inthismethod，thepre-trainingmodelofResNet34onImageNetistransferredtoreducetheover-fittingphenomenon.Meanwhile，SEmechanismisintroducedintheshallowlayerofthenetworktofocusthekeyfeaturesintheimage.Finally，themodelisfine-tuned.Inordertoevaluatetheperformanceoftheproposedmethod，ontheTibetanMP，Oxford102flowersandCIFAR-10datasets，themodelachievedrecognitionaccuracyof96.33%，98.81%and91.92%，respectively.Com⁃paredwithothermainstreamCNNimagerecognitionmodels，thismodelhashigherrecognitionaccuracy.Experimentsshowthatthismethodcaneffectivelyimprovetheimagerecognitionpe...
