您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202012-107
论文题目 基于迁移学习的果蔬质量分类研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文  修改稿:下载
请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于迁移学习的果蔬质量分类研究

首发时间:2020-12-29

郑凯 1   

郑凯(1995-),男,研究方向:机器学习、深度学习、模式识别。

方春 1   

方春(1981-),女,硕导,研究方向:智能计算、大数据处理、生物信息学

  • 1、山东理工大学计算机科学与技术学院,淄博 255049

摘要:针对传统果蔬质量分类模型特征提取困难、训练耗时长、分类准确率低等问题,提出一种基于支持向量机和预训练的VGG16深度学习网络混合模型图像分类方法。即在迁移学习的基础上使用SVM代替VGG16网络的全连接层及Softmax层进行分类,形成新的特征提取-特征分类(VGG16-SVM)模型结构。运用此方法在测试集上的分类准确率为99.1%,AUC (the area under ROC curve)值达到0.9996。通过与普通卷积神经网络及各机器学习模型比较,验证了此方法能有效提高果蔬质量分类模型的训练速度与分类准确率。

关键词: 计算机应用技术 VGG16深度学习网络 迁移学习 支持向量机 图像分类

For information in English, please click here

Research on Quality Classification of Fruits and Vegetables Based on Transfer Learning

ZhengKai 1   

郑凯(1995-),男,研究方向:机器学习、深度学习、模式识别。

FangChun 1   

方春(1981-),女,硕导,研究方向:智能计算、大数据处理、生物信息学

  • 1、School of Computer Science Technology,Shandong University of Technology,Zibo 255049

Abstract:Aiming at the difficulties in feature extraction of traditional fruit and vegetable quality classifi-cation models, long training time and low classification accuracy, a migration learning image classification method based on support vector machine and pre-trained VGG16 deep learning network hybrid model is proposed. On the basis of migration learning, SVM is used to replace the fully connected layer and Softmax classification layer of the VGG16 network for classification, forming a new feature extraction-feature classification (VGG16-SVM) model structure. Using this method, the classification accuracy rate on the test set is 99.1%, and the AUC (the area under ROC curve) value reaches 0.9996. Compared with ordinary convolutional neural networks and various machine learning models, it is verified that this method can effectively improve the training speed and classification accuracy of fruit and vegetable quality classification models.

Keywords: Computer Application Technology VGG16 deep learning network transfer learning support vector machine image classification

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
郑凯,方春. 基于迁移学习的果蔬质量分类研究[EB/OL]. 北京:中国科技论文在线 [2020-12-29]. http://www.paper.edu.cn/releasepaper/content/202012-107.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于迁移学习的果蔬质量分类研究