基于ResNet152的花卉識別研究

劉景賀 任彥彪 薛巖 郭曉麗 徐龍 夏菲 郜園園

關鍵詞：花卉識別；ResNet152;AlexNet;MobileNet_v3；界面操作

0 引言

花卉的作用涉及藥用，觀賞，凈化空氣，經濟生產等多方面，花卉種類識別的研究與探索具有重要意義。例如，在花卉農業領域，人們經常需要對花卉種類進行分類處理，常見的花卉分類方法依照其外部形態、生長特性、觀賞部位、栽培方式等方面進行區分。

傳統的花卉識別方法將花卉圖像進行圖像分割，利用其他手段將特征部位摳除。首先，它過于依賴花卉的分割效果。其次，它在很大程度上依賴于人機交互。因而需要消耗大量的人力物力，且無法做到快速檢測和準確檢測。近年來，隨著機器學習的發展，人們對花卉識別技術進行進一步的研究與探索。在圖像分割技術上，Saitoh等人[1]提出一種能自動進行花卉圖片分割的技術。有效地解決了先驗色彩信息問題，但限制了花卉在圖中的位置，需要人工矯正。Chai等人[2]提出了一種花卉圖像聯合分割算法，取得了較好的分割效果。在花卉分類技術上，Lee等人[3]提出一種花卉分類技術，對花卉色彩和形狀有較好的提取效果。

近年來，基于卷積神經網絡（Convolutional NeuralNetwork）的花卉識別方法得到發展。在卷積網絡中，避免了傳統識別算法中的復雜的特征提取和數據重建過程[4]，取得了較好成果。AlexNet網絡是卷積神經網絡中的一種經典網絡。2012年，Krizhevsky 等人[5]提出的深度網絡結構AlexNet，在圖像分類中取得了很大突破。AlexNet獲得了2012 年大規模視覺識別挑戰賽（ImageNetLarge Scale Visual Recogition Challenge，ILSVRC）的冠軍，并且引發了研究深度網絡結構的熱潮。2018年，王爽[6]利用AlexNet 進行遷移學習進行花卉分類，正確率達到90.85%，之后對花卉數據庫繼續迭代訓練并進行網絡微調，正確率達到94.37%。在2016 年，He 提出殘差網絡（ Residual Network，ResNet）[7]，一種深層卷積神經網絡結構，在模型深度加大時，用于解決網絡退化現象，可以提升網絡深度。2020年，袁晨暉[8]提出基于改進ResNet 的深度遷移學習方法，通過模型遷移和深度特征抽取，減小了數據集間內容差異對遷移學習特征識別力的影響。在MNIST 和CIFAR-10 數據集上進行實驗，準確率分別達到97.98%和90.45%。

本文重點研究ResNet、MobileNet V3、AlexNet 三種模型的分類效果，提出一種基于ResNet152的準確快速識別花卉種類的分類方法。

1 數據集介紹

實驗中采用的花卉數據集大小為47 770，共24個花卉種類，分別是鬼針草、桔梗，石龍芮、全葉馬蘭、婆婆納、三葉草、旋覆花、繡球小冠花、狗尾草、一年蓬、劍葉金雞菊、濱菊、射干、三角梅、馬鞭草、油菜花、蒲公英、兩色金雞菊、全緣金光菊、藍薊、曼陀羅、諸葛菜、千屈菜、狼尾草。其中石龍芮樣本個數為1 770，其他樣本數均為2 000。按照8∶2的比例劃分訓練集和測試集，通過測試集來驗證模型的準確度。如圖1 所示。

2模型搭建

傳統的卷積神經網絡易出現梯度消失或退化問題。為解決這兩個問題，2015年微軟實驗室提出了Resnet網絡。該網絡采用residual結構（殘差結構），搭建超過1 000層的網絡結構，丟棄dropout，使用了Batch Normalization進行加速訓練。ResNet152中使用的殘差結構如圖2所示。

該殘差結構能夠減少參數量和運算量，在該殘差結構當中，主分支使用了三個卷積層，分別是1×1，3×3，1×1。第一個1x1的卷積層用來壓縮channel維度，第二個1x1的卷積層用來還原channel維度。

（1） 輸入層是尺寸為224×224×3的待識別的花卉圖片。

（2） conv1是7×7的卷積層，步長為2，輸出大小為112×112。

（3） conv2_x是3×3的最大池化下采樣操作，步長為2，使用了3層殘差層，3層卷積層，分別是1×1，3×3，1×1。輸出大小為56×56。

（4） conv3_x，使用了8層殘差層，3層卷積層，分別是1×1，3×3，1×1。輸出大小為28×28。

（5） conv4_x，使用了36層殘差層，3層卷積層，分別是1×1，3×3，1×1。輸出大小為14×14。

（6） conv5_x，使用了3層殘差層，3層卷積層，分別是1×1，3×3，1×1。輸出大小為14×14。

（7） 最后是平均池化下采樣操作和全連接層。可以通過使用softmax函數來確定，它是一個對于輸入和節點進行激活的函數，它可以將24種輸出值轉換為范圍在[0，1]的概率分布，從而進行分類。

3 AlexNet，MobileNet_V3，ResNet152，網絡模型的性能指標對比

AlexNet，MobileNet_V3，ResNet152，網絡訓練過程的曲線圖如圖3、圖4、圖5所示，熱力圖如圖6所示。當epochs達到15時，三個網絡的Training Accuracy曲線均趨于飽和。當epochs達到5時，Validation Accura?cy曲線便開始在0.95附近上下波動;Training Accuracy 曲線和Validation Accuracy曲線在epochs由0到30的過程中變化均低緩。當epochs 達到10 時，Trainingloss曲線趨于飽和，在epochs由10到30的過程中變化低緩，稍微有向下變化的趨勢。Validation loss曲線在epochs由0變化到30的過程中先下降后上升，然后波動，最終在0.22附近徘徊。盡管三種模型的四條曲線變化趨勢并不明顯，但Resnet152的Validation loss曲線波動更為低緩，平滑。

分別對模型的收斂速度、模型效率、模型精度、召回率、模型分數進行分析。

3.1 收斂速度

是否收斂是評價一個網絡模型好壞的重要指標，三個網絡模型均未出現收斂抖動現象，最終都會收斂，其中ResNet152的收斂速度最快，在Epochs達到13 時，能夠呈現穩定的收斂狀態。比另外兩個模型要快2個epochs。同樣收斂的情況下，收斂速度越快說明網絡模型越好。

3.2 模型大小

網絡模型的大小決定著是否有利于后期的小程序或者App開發，網絡模型所占的內存越小越有利于后期的開發。三個網絡模型的大小均為9475KB，適合在移動端進行進一步開發使用。

3.3 模型效率

模型的效率事關后期開發的小程序或者app的識別速度，效率越高，識別速度越快，越有利于提升用戶的體驗感。識別速度由快到慢的排列順序分別為：MobileNet_V3>ResNet152>AlexNet，MobileNet_V3 識別每張圖片所需時間最短，僅需0.17 s便可識別一張圖片，Resnet152識別一張圖片的速度為0.18秒。

4 界面化

4.1實現環境

實現環境基于深度學習框架TensorFlower2.3 ；硬件環境采用AMD Ryzen 5 4600H with Radeon Graph?ics，3.00 GHz，GPU 采用NVIDIA GeForce 顯卡，16GB 內存，4 GB 顯存。采用Windows 10 操作系統，Pycharm 編譯環境和Python3.7 語言，使用了pyqt5，pillow，opencv-python，matplotlib。每次試驗運行30 輪（epochs），采用ReLU激活函數。

4.2識別過程

加載初始圖片，將圖片的高度變成400，在界面上方便顯示，然后將圖片變成224×224的大小，因為模型接收的參數是224×224，然后將224×224的圖片轉換成數組，輸入到模型中得到結果，在界面上進行顯示。如圖7所示，通過界面化操作進行花卉識別。

5 結束語

對比AlexNet，MobileNet_V3，ResNet152 三個網絡模型的各項指標以及實驗統計了ResNet152對24種花卉的評估結果，突出了ResNet152的優良性能，在今后的研究工作中，將繼續對ResNet152進行優化提高其性能，比如識別準確率，模型效率，模型大小，模型識別速度等指標，并進行花卉識別小程序的開發，進而做出實質性成果。