꽃 분류를 위한 컨볼루션 신경망 기반 전이 학습

꽃은 우리의 삶에서 매우 중요한 역할을 하며, 높은 연구 가치와 응용 가치를 가지고 있습니다. 전통적인 꽃 분류 방법은 주로 형태, 색상 또는 질감 특성에 기반하고 있으며, 이 방법은 꽃 분류를 위해 사람들이 특성을 선택해야 하므로 분류 정확도가 그리 높지 않습니다. 이 논문은 컨볼루션 신경망과 전이 학습을 사용하여 효과적인 꽃 분류 접근 방식을 개발하는 것을 목표로 합니다. 이 논문에서는 VGG-16, VGG-19, Inception-v3 및 ResNet50 모델을 기반으로 하여 네트워크 초기화 모델과 전이 학습 모델을 비교하였습니다. 결과는 전이 학습이 깊은 컨볼루션 네트워크가 지역 최적 문제와 과적합 문제에 쉽게 빠지는 것을 효과적으로 피할 수 있음을 보여줍니다. 전통적인 방법과 비교할 때, 옥스포드 꽃 데이터셋에서 꽃 인식의 정확도가 명확하게 향상되었으며, 더 나은 견고성과 일반화 능력을 가지고 있습니다.