利用深度卷积神经网络识别水稻病害
a.数据准备
最近读到一篇论文，关于水稻病害识别的，数据采用的是10种水稻病害数据，共500张。
从500个自然图像中随机选择10,000个12×12个斑块，做如下预处理：
经过上面的预处理可以得到特征图：
b.网络搭建
搭建了一个深度卷积神经网络如下图所示：
假设输入图像的大小为W，卷积核的大小为F，卷积核的移动步幅为S=2，填充P被用于填充在输入图像边界，通常P=0， 所以卷积后的图像大小是 （W-F+2P）/S + 1。然后我们得到输出张量：
c.实验结果
深度卷积神经网络在机器学习领域取得了巨大的性能突破，但仍存在一些研究挑战。首先，CNN可能由数十或数百层组成，每层还包括数千个神经元，多少层和多少神经元最终是最优的？它别无选择，只能依靠大量的实验。第二，有效的深度学习算法依赖于大规模数据集，例如包含数百万个训练样例的Imagenet ILSVRC。为提高水稻病害鉴定的准确性，我们仍需要提供数以千计的优质水稻病害图像样本。此外，CNN中存在大量参数，如何找到最佳参数也是一项研究挑战。
文章最后给出论文连接：
利用深度卷积神经网络识别水稻病害-论文