一种基于深度迁移和Cayley-Klein度量的小样本下茶叶病害识别算法

摘要

本发明涉及一种基于深度迁移和Cayley‑Klein度量的小样本下茶叶病害识别算法，深度迁移和Cayley‑Klein度量的神经网络的训练过程：基于深度迁移和Cayley‑Klein度量的神经网络的训练过程分为两个阶段：第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段；另外一个阶段是，择Cayley‑Klein度量以反应样本空间结构信息或语义信息，使得距离度量具有更好的区分性，更好的减少负迁移特征所带来的影响。本算法能够准确地检测三种不同的茶叶病害图像，并且具有较高的识别精度，同时具有较快的识别速度。该特性主要得益于迁移学习解决了小样本情况下数据量不足无法进行深度学习提取特征的问题，而Cayley‑Klein度量边降维边度量的过程，降低了因迁移学习带来的负迁移影响。