基于ResNet18与CBAM注意力机制的花卉图像识别研究

纪 雨欣
辽宁科技大学电子与信息工程学院

摘要


针对花卉图像分类过程中存在的类别特征相似、背景干扰等问题，本文提出一种基于ResNet18与CBAM注
意力机制相结合的花卉图像识别方法。利用ResNet18网络提取图像特征，并在网络中引入CBAM注意力模块，增强
模型对关键区域的关注能力，提高特征表达效果。实验采用五类花卉数据集进行训练和测试，并通过数据预处理与
数据增强提升模型泛化能力。结果表明，所构建的ResNet18+CBAM模型在验证集上取得93.89%的分类准确率。进
一步结合混淆矩阵、Precision、Recall和F1-score等指标进行评价，各类别均取得较好的分类效果。实验结果表明，
ResNet18与CBAM注意力机制的结合能够有效提升花卉图像识别精度，具有较好的分类性能和泛化能力，可为智能
植物识别相关研究提供参考。

关键词


花卉图像识别；ResNet18；CBAM；深度学习

全文:

PDF


参考


[1]邱波，黄雅婷，罗海洋，等.基于深度学习的花

卉种类识别研究[J].电脑知识与技术，2025，21（22）：

26-29.

[ 2 ] T I A N M , C H E N H , W A N G Q . F l o w e r

identification based on Deep Lear ning[J]. Journal of Physics:

Conference Series, 2019, 1237(2): 022060.

[3]刘双.基于卷积神经网络的图像分类算法研究[D].

昆明：云南财经大学，2020.

[4]付雪婷，王新鑫，杨凡凡，等.基于卷积神经网

络的植物品种识别研究[J].南方农机，2023，54（17）：

65-69.


Refbacks

  • 当前没有refback。