基于生成對抗網(wǎng)絡(luò)的樹種識(shí)別方法*

蘇 彤 許 杰

（1. 黑龍江八一農(nóng)墾大學(xué)信息工程學(xué)院 大慶 163319； 2. 山東華宇工學(xué)院信息工程學(xué)院 德州 253034）

隨著科技的不斷進(jìn)步和數(shù)字技術(shù)的不斷發(fā)展，計(jì)算機(jī)視覺技術(shù)已成為當(dāng)今科技領(lǐng)域炙手可熱的一個(gè)方向。樹種識(shí)別是計(jì)算機(jī)視覺技術(shù)細(xì)分領(lǐng)域中的一部分，是數(shù)字林業(yè)的重要研究內(nèi)容，主要包括光譜分析和圖像處理兩大方向。在光譜分析方面，Pham等（2016）聯(lián)合激光雷達(dá)與高光譜數(shù)據(jù)對樹種進(jìn)行識(shí)別，利用隨機(jī)森林確定重要特征，使用支持向量機(jī)作為分類器，分類準(zhǔn)確率達(dá)85.42%；汪紫陽等（2019）基于可見/近紅外光譜技術(shù)，采用偏最小二乘法結(jié)合多列識(shí)別變量矩陣對9種闊葉樹種進(jìn)行識(shí)別，分類準(zhǔn)確率達(dá)98.00%，為野外樹種識(shí)別提供了可能性。在圖像處理方面，陳明健等（2017）提出一種基于葉片輪廓構(gòu)建距離矩陣與角點(diǎn)矩陣進(jìn)行樹種識(shí)別的分類方法，在Flavia數(shù)據(jù)集和Leafsnap數(shù)據(jù)集上分別取得99.61%和98.26%的識(shí)別準(zhǔn)確率；Sarah等（2018）利用Canny算子提取樹皮和樹葉圖像的邊緣輪廓特征，使用信念函數(shù)將2種特征進(jìn)行融合，并在一個(gè)包含72種樹木和灌木的公共數(shù)據(jù)庫中進(jìn)行比較，將樹皮和樹葉特征融合的方法顯著提高了分類準(zhǔn)確率；Le等（2019）采用LBP與SVM相結(jié)合的方法對4種植物葉片進(jìn)行識(shí)別，分類準(zhǔn)確率達(dá)91.85%；李龍龍等（2021）應(yīng)用加權(quán)LBP算法提取葉片的關(guān)鍵幾何特征和紋理特征，使用特征加權(quán)的模糊半監(jiān)督聚類算法作為分類器，在國際公認(rèn)數(shù)據(jù)集和自測數(shù)據(jù)集上均取得理想識(shí)別效果。但以往大部分研究受主觀因素影響較大，試驗(yàn)前需要依靠人工對原始圖像進(jìn)行圖像分割、特征提取等預(yù)處理以滿足試驗(yàn)要求，且特征選擇也會(huì)影響最終識(shí)別效果，對繼續(xù)提高樹種識(shí)別率帶來一定困難。

伴隨大數(shù)據(jù)時(shí)代的到來和人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)（Hintonet al.，2006）因在圖像特征學(xué)習(xí)方面具有顯著效果而受到研究者們廣泛關(guān)注，其中卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network，CNN）（Szegedyet al.，2015）是深度學(xué)習(xí)中應(yīng)用最為廣泛、成熟度最高的網(wǎng)絡(luò)結(jié)構(gòu)。張帥等（2016）設(shè)計(jì)8層CNN模型，對PI@antNet葉片庫和自擴(kuò)展葉片庫中的圖像進(jìn)行訓(xùn)練和識(shí)別，采用SVM和SoftMax分類器，識(shí)別率分別為91.11%和90.90%；于慧伶等（2018）設(shè)計(jì)雙路CNN模型，以充分提取葉片的邊緣和紋理特征，通過特征融合由全連接層完成識(shí)別，準(zhǔn)確率達(dá)97.31%；宋宇鵬等（2020）提出基于注意力機(jī)制的DenseNet模型，在復(fù)雜背景樹種葉片公開數(shù)據(jù)集Leafsnap上取得91.25%的分類精確率；趙霖等（2020）提出面向機(jī)載高光譜數(shù)據(jù)的3D卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以端到端方式處理圖像分析問題，實(shí)現(xiàn)對森林樹種的分類。

深度學(xué)習(xí)方法能夠取得良好識(shí)別效果，同時(shí)也需要大量訓(xùn)練樣本。對原始圖像進(jìn)行旋轉(zhuǎn)、鏡像、添加噪聲、改變對比度等操作可以達(dá)到一定的樣本擴(kuò)充，但數(shù)據(jù)集的目標(biāo)特征并未發(fā)生實(shí)質(zhì)性改變，且擴(kuò)充的樣本帶有大量冗余信息，會(huì)使模型失去泛化能力（張曼等，2021）。鑒于此，本研究提出一種融合生成對抗網(wǎng)絡(luò)（generative adversarial networks，GAN）與CNN的樹種識(shí)別方法，通過GAN生成與真實(shí)數(shù)據(jù)分布一致的樹葉圖像以實(shí)現(xiàn)數(shù)據(jù)擴(kuò)充，將生成圖像和真實(shí)圖像一起作為分類模型的訓(xùn)練數(shù)據(jù)，從而增強(qiáng)模型學(xué)習(xí)效果，提高模型泛化能力。

1 材料與方法

1.1 樹種圖像數(shù)據(jù)集

本研究所用數(shù)據(jù)集由10種不同樹種葉片圖像組成，包括水曲柳（Fraxinus mandshurica）、榆（Ulmus pumila）、刺槐（Robinia pseudoacacia）、紅端木（Cornusalba）、山荊子（Malus baccata）、火炬樹（Rhus typhina）、杜仲（Eucommia ulmoides）、山楊（Populus davidiana）、紫丁香（Syringa oblata）、梣葉槭（Acer negundo）。在不同時(shí)間、不同地點(diǎn)和天氣情況下進(jìn)行圖像采集，使用不同拍攝設(shè)備、不同拍攝角度，統(tǒng)一將葉片置于白色背景下拍攝，每類210幅圖像；為減少訓(xùn)練時(shí)間和內(nèi)存空間，對采集圖像進(jìn)行尺寸歸一化和均值濾波去噪預(yù)處理，將圖像大小統(tǒng)一為128像素×128像素，10種樹種圖像如圖1所示。

1.2 基于生成對抗網(wǎng)絡(luò)的葉片圖像生成方法

圖2 生成對抗網(wǎng)絡(luò)的基本架構(gòu)Fig. 2 The basic structure of GAN

GAN核心原理的算法如下：

式中：x表示真實(shí)的圖像數(shù)據(jù)；z表示輸入G中的隨機(jī)噪聲；D(x)表示D判別為真實(shí)圖像的概率；G(z)表示生成器輸入隨機(jī)噪聲后生成的圖像；Pdata(x)表示真實(shí)圖像的數(shù)據(jù)分布；Pz(z)表示生成圖像的數(shù)據(jù)分布。G的目的是將生成圖像接近真實(shí)圖像，所以D[G(z)]越接近1越好，此時(shí)V(D,G)越來越小。D的目的是準(zhǔn)確判斷出輸入樣本的真實(shí)性，所以D[G(z)]越接近越接近0越好，此時(shí)V(D,G)越來越大。

1.2.2 殘差條件深度卷積生成對抗網(wǎng)絡(luò) 自GAN問世以來，諸多學(xué)者不斷對其進(jìn)行優(yōu)化改進(jìn)。為使生成圖像更加清晰，本研究引入深度卷積生成對抗網(wǎng)絡(luò)（deep convolution generative adversarial networks，DCGAN）（Radfordet al.，2015），即在GAN的基礎(chǔ)上引入卷積網(wǎng)絡(luò)模塊，利用卷積層強(qiáng)大的特征提取能力提升GAN性能。該模型的生成器使用轉(zhuǎn)置卷積（Zeileret al.，2014）進(jìn)行上采樣，從而代替池化層；因全連接層參數(shù)過多容易使網(wǎng)絡(luò)過擬合，故模型去除全連接層，并在生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)中使用批量歸一化（batch normalization，BN）（Ioffeet al.，2015）操作；生成網(wǎng)絡(luò)的輸出層使用Tanh激活函數(shù)，其他層使用ReLU激活函數(shù)；判別網(wǎng)絡(luò)的所有層均使用LeakyReLU激活函數(shù)。

為使生成器生成指定類別的圖像，在DCGAN的基礎(chǔ)上添加類別標(biāo)簽y以輔助生成樣本，在生成器中引入殘差模塊ResNet，加強(qiáng)特征在層與層之間的傳遞能力，以提高生成圖像質(zhì)量，即殘差條件深度卷積生成對抗網(wǎng)絡(luò)（RC-DCGAN）。

RC-DCGAN模型以DCGAN為基礎(chǔ)建立，如圖3所示，輸入為（100，1，1）的隨機(jī)噪聲和（10，1，1）的類別標(biāo)簽，分別經(jīng)卷積核尺寸為4×4、步長為2的轉(zhuǎn)置卷積后將維度轉(zhuǎn)換為（512，4，4）的三維張量，再將二者連接成（1 024，4，4）的三維張量，分別經(jīng)過4層上采樣層和卷積核尺寸為3×3、步長為1的殘差結(jié)構(gòu)，再經(jīng)過1次卷積核尺寸為4×4、步長為2的轉(zhuǎn)置卷積后將維度轉(zhuǎn)換為（3，128，128）的三維張量，生成一張3×128×128的圖像。

圖3 RC-DCGAN生成器結(jié)構(gòu)Fig. 3 Generator structure of RC-DCGAN

判別器主要用于判斷輸入樣本的真假。對輸入圖像做卷積運(yùn)算，使用Sigmoid函數(shù)判斷輸入樣本為真實(shí)圖像的概率。判別器各層參數(shù)如表1所示。

表1 RC-DCGAN判別器參數(shù)Tab. 1 Discriminator parameters of RC-DCGAN

1.3 基于卷積神經(jīng)網(wǎng)絡(luò)的樹種識(shí)別模型

1.3.1 ResNet網(wǎng)絡(luò) 理論上，網(wǎng)絡(luò)層數(shù)越深，效果越好；但實(shí)際上，網(wǎng)絡(luò)層數(shù)過深會(huì)產(chǎn)生網(wǎng)絡(luò)退化問題，且當(dāng)網(wǎng)絡(luò)堆疊到一定深度時(shí)，還會(huì)出現(xiàn)梯度消失或梯度爆炸問題。為解決這一問題，He等（2016）提出ResNet模型，該模型的核心是殘差塊（residual block），如圖4所示，其輸入為x、輸出為y，所以就有了恒等映射y=F(x)+x，正是由于這種跳躍連接的思想，可解決網(wǎng)絡(luò)退化問題，同時(shí)也加快了網(wǎng)絡(luò)收斂速度。

圖4 殘差塊結(jié)構(gòu)Fig. 4 Structure of the residual block

一個(gè)簡單的殘差塊由卷積層、批處理歸一化層和非線性激活函數(shù)ReLU組成，一個(gè)殘差單元的輸出可表示為：

單位減排量價(jià)格往往是項(xiàng)目業(yè)主最關(guān)注的問題，但在目前二級(jí)市場價(jià)格不景氣的情況下，我國的項(xiàng)目業(yè)主幾乎沒有議價(jià)的能力。有的認(rèn)為只要項(xiàng)目減排量能賣出去，執(zhí)行國家發(fā)改委最低價(jià)就可以，有的則一味追求高價(jià)而卻忽視其他。在選擇買家時(shí)，建議借助環(huán)境交易所平臺(tái)或咨詢公司的推薦，尋找多個(gè)買家報(bào)價(jià)。價(jià)格的確定不僅要看國際市場形勢，還要綜合考慮對方資信情況、不能交付的風(fēng)險(xiǎn)、支付風(fēng)險(xiǎn)、預(yù)付資金情況及違約風(fēng)險(xiǎn)、語言條件、管轄風(fēng)險(xiǎn)、法律適用風(fēng)險(xiǎn)等因素，因此未必選最高報(bào)價(jià)的買家，要選最合適的買家及報(bào)價(jià)。

式中：xl表示殘差單元的輸入；F(xl,Wl)表示殘差單元的殘差函數(shù)；Wl表示殘差單元的權(quán)重參數(shù)。

1.3.2 基于RseNet的樹種識(shí)別模型構(gòu)建 根據(jù)葉片圖像尺寸，設(shè)計(jì)基于ResNet的樹種識(shí)別模型，該模型卷積層深度為30層，主要包括3部分，第一部分包含1層卷積層，第二部分主要是殘差結(jié)構(gòu)，分別由3、4、4、3個(gè)殘差模塊組成，每個(gè)殘差塊由2層卷積組成，第三部分為自適應(yīng)平均池化和全連接層，使用Softmax作為輸出層激活函數(shù)，輸出一個(gè)10維的概率向量，對概率值大小進(jìn)行判斷，最終根據(jù)得到的判斷結(jié)果實(shí)現(xiàn)對樹種的分類。整個(gè)網(wǎng)絡(luò)模型的具體參數(shù)如表2所示。

2 結(jié)果與分析

2.1 試驗(yàn)環(huán)境

本研究在Windows操作系統(tǒng)下進(jìn)行，安裝Pycharm編程環(huán)境，使用Pytorch1.10.0深度學(xué)習(xí)框架，采用Python3.8語言進(jìn)行具體編程實(shí)現(xiàn)整個(gè)網(wǎng)絡(luò)模型。試驗(yàn)硬件配置信息為：5核Intel(R) Xeon(R) Silver 4210R CPU @ 2.40 GHz處理器，60 GB運(yùn)行內(nèi)存（RAM），選用NVIDIA GeForce RTX 3090顯卡，顯存容量為24 GB，可大幅提高運(yùn)行速度，節(jié)省訓(xùn)練時(shí)間。

2.2 基于RC-DCGAN的圖像生成

基于CNN的模型訓(xùn)練需要大量數(shù)據(jù)樣本，本研究首先利用GAN對葉片圖像進(jìn)行擴(kuò)充?；赗CDCGAN模型進(jìn)行葉片圖像生成，在學(xué)習(xí)真實(shí)樣本分布前需擴(kuò)充樣本，對原始2 100幅圖像進(jìn)行鏡像操作，并分別旋轉(zhuǎn)90°和180°得到5個(gè)副本，通過這種方式使數(shù)據(jù)量擴(kuò)充為原來的6倍，達(dá)12 600幅圖像，GAN可學(xué)習(xí)到更加完善的分布。之所以選擇該擴(kuò)充操作，是因?yàn)槠渚哂刑卣鞑蛔?、無關(guān)特征不增加等優(yōu)勢。

訓(xùn)練初始，給所有隨機(jī)數(shù)設(shè)置一個(gè)隨機(jī)種子，以便之后進(jìn)行試驗(yàn)復(fù)現(xiàn)；生成器和判別器均使用Adam作為優(yōu)化器，其中beta1設(shè)置為0.5，beta2設(shè)置為0.999；批次數(shù)量設(shè)置為128，訓(xùn)練周期設(shè)置為10 000；生成器和判別器設(shè)置不同學(xué)習(xí)率（Heuselet al.，2017），其中，生成器的學(xué)習(xí)率為0.000 4，判別器的學(xué)習(xí)率為0.000 2；在實(shí)際代碼中使用反轉(zhuǎn)標(biāo)簽訓(xùn)練生成器（Guoet al.，2020），即讓生成圖像使用真實(shí)標(biāo)簽0進(jìn)行訓(xùn)練，真實(shí)圖像使用生成圖像的標(biāo)簽1進(jìn)行訓(xùn)練。為對比殘差結(jié)構(gòu)對生成效果的影響，在參數(shù)設(shè)置和訓(xùn)練輪數(shù)相同的情況下，使用未改進(jìn)DCGAN模型進(jìn)行生成訓(xùn)練，對比各自生成效果，如圖5所示。

圖5 DCGAN和RC-DCGAN生成效果對比Fig. 5 Comparison of DCGAN and RC-DCGAN generation effect

由圖5可知，使用DCGAN模型生成的圖像存在葉片圖像模糊且紋理信息丟失的現(xiàn)象，而使用RCDCGAN模型生成的葉片圖像輪廓平滑清晰，且紋理信息充分，能夠貼合真實(shí)圖像。可見，相比DCGAN模型，在訓(xùn)練數(shù)據(jù)集和參數(shù)設(shè)置相同的情況下，本研究模型生成的圖像質(zhì)量更高，表明在生成器中嵌入殘差結(jié)構(gòu)，有利于提高生成圖像質(zhì)量。因此，本研究選擇使用RC-DCGAN生成模型對數(shù)據(jù)樣本進(jìn)行擴(kuò)充。

2.3 基于ResNet30的樹種識(shí)別

2.3.1 模型參數(shù)調(diào)試 初步搭建好ResNet30模型后，需對模型的一系列參數(shù)進(jìn)行反復(fù)調(diào)試，以尋求適合模型訓(xùn)練的最佳參數(shù)。本研究從批量大?。╞atch size）、學(xué)習(xí)率（learning rate）和隨機(jī)失活（dropout）3個(gè)參數(shù)的取值分析對模型性能的影響，結(jié)果如圖6所示。

圖6 不同參數(shù)取值的測試準(zhǔn)確率曲線Fig. 6 Test accuracy curves for different parameter values

1） 批量大小（batch size）對模型性能的影響。在合理范圍內(nèi)，batch size越大，其確定梯度下降的方向越準(zhǔn)，收斂速度越快，引起震蕩越??；但如果batch size過大，則可能出現(xiàn)局部最優(yōu)情況。如圖6a所示，batch size為64的曲線收斂速度較慢且趨于收斂后波動(dòng)幅度明顯，batch size為256的準(zhǔn)確率相較batch size為128的準(zhǔn)確率沒有提高反而下降，說明一味增大batch size并未獲得較高精度，雖迭代次數(shù)減少，但若想達(dá)到較高精度，其消耗時(shí)間也大大增加，從而對參數(shù)的修正也更加緩慢。當(dāng)batch size為128時(shí)可以兼得性能和效率，更利于網(wǎng)絡(luò)訓(xùn)練。

2） 學(xué)習(xí)率（learning rate）對模型性能的影響。學(xué)習(xí)率對模型訓(xùn)練結(jié)果影響較大，不當(dāng)?shù)膶W(xué)習(xí)率會(huì)導(dǎo)致模型訓(xùn)練時(shí)出現(xiàn)震蕩現(xiàn)象。本試驗(yàn)采用指數(shù)衰減法對學(xué)習(xí)率進(jìn)行調(diào)整，其中乘法因子gamma為0.9，分別以0.01、0.001和0.000 1作為初始學(xué)習(xí)率。如圖6b所示，隨著網(wǎng)絡(luò)訓(xùn)練次數(shù)增加準(zhǔn)確率曲線均收斂，初始學(xué)習(xí)率為0.01和0.000 1時(shí)收斂速度相當(dāng)，但初始學(xué)習(xí)率為0.01時(shí)準(zhǔn)確率更高。

3） 隨機(jī)失活（dropout）對模型性能的影響。CNN對圖像識(shí)別分類性能優(yōu)越，由于全連接層是所有神經(jīng)元與前一層全部神經(jīng)元相連接，因此擁有大量參數(shù)，隨著網(wǎng)絡(luò)規(guī)模增大，訓(xùn)練過程會(huì)出現(xiàn)過擬合問題。本研究在最后一層卷積層和全連接層加入dropout，分別以0.5、0.6、0.7作為抑制率訓(xùn)練模型，如圖6c所示，當(dāng)抑制率為0.6和0.7時(shí)模型的識(shí)別準(zhǔn)確率較低且收斂速度慢，抑制率為0.5時(shí)識(shí)別準(zhǔn)確率高且收斂速度快。

綜合以上分析，對各種超參數(shù)進(jìn)行組合測試，最終得到一組識(shí)別效果好、訓(xùn)練速度快、性能穩(wěn)定的模型參數(shù)：batch size為128，初始學(xué)習(xí)率為0.01，dropout為0.5；采用Adam算法作為優(yōu)化器，訓(xùn)練次數(shù)為300。

2.3.2 不同擴(kuò)充方法對試驗(yàn)結(jié)果的影響 為驗(yàn)證基于GAN的擴(kuò)充方法和基于傳統(tǒng)圖像處理的擴(kuò)充方法對模型性能的影響，分別采用鏡像、旋轉(zhuǎn)、改變對比度等傳統(tǒng)擴(kuò)充方法和RC-DCGAN生成模型擴(kuò)充圖像11 400幅，最終確定參與訓(xùn)練的數(shù)據(jù)集13 000幅、測試集500幅，試驗(yàn)對比結(jié)果如圖7所示。

圖7 試驗(yàn)對比結(jié)果Fig. 7 Experimental comparison results

使用傳統(tǒng)圖像處理擴(kuò)充方法在前5 000次迭代中，訓(xùn)練準(zhǔn)確率和測試準(zhǔn)確率呈逐漸上升趨勢，迭代至4 000次時(shí)，測試準(zhǔn)確率達(dá)94.50%左右，最后逐漸收斂于96.50%；在訓(xùn)練集和測試集之間有間隙，存在過擬合現(xiàn)象。使用RC-DCGAN擴(kuò)充圖像方法，測試準(zhǔn)確率在迭代至1 000次時(shí)就已達(dá)94.50%，迭代至2 000次左右時(shí)，準(zhǔn)確率達(dá)97%～98%，迭代完成后收斂于98.35%，模型未發(fā)生過擬合。對比2個(gè)試驗(yàn)的訓(xùn)練和測試過程，在相同模型結(jié)構(gòu)、同等數(shù)量訓(xùn)練集和參數(shù)設(shè)置情況下，使用RC-DCGAN擴(kuò)充樣本方法，模型的準(zhǔn)確率和性能優(yōu)于傳統(tǒng)圖像處理擴(kuò)充方法。

2.3.3 不同網(wǎng)絡(luò)模型對試驗(yàn)結(jié)果的影響 為評(píng)價(jià)該分類模型性能與方法的有效性，選取一些在樹種識(shí)別分類中表現(xiàn)良好的國內(nèi)外研究的模型與本研究模型進(jìn)行對比，統(tǒng)一模型輸入大小為128像素×128像素在測試集上的分類準(zhǔn)確率對比結(jié)果如表3所示。在相同訓(xùn)練集和訓(xùn)練批次的情況下，本研究設(shè)計(jì)的ResNet30模型比其他神經(jīng)網(wǎng)絡(luò)模型分類準(zhǔn)確率均高，平均識(shí)別準(zhǔn)確率為97.20%；由于本研究模型深度較深，因此在訓(xùn)練時(shí)也需要較多時(shí)間。

表3 不同分類模型比較Tab. 3 Comparison of different classification models

圖8給出了本研究樹種識(shí)別模型對10種樹種測試結(jié)果的混淆矩陣，每一行表示模型預(yù)測類別，每一列表示樹種實(shí)際類別。可見，刺槐、杜仲、紅端木、火炬樹、水曲柳、榆圖像較其他樹種特征差異更明顯，取得100.00%的識(shí)別準(zhǔn)確率；梣葉槭部分圖像在某些細(xì)節(jié)特征上與山荊子、杜仲存在相似之處，出現(xiàn)誤判現(xiàn)象，識(shí)別準(zhǔn)確率為90.00%；紫丁香與山楊在輪廓特征上存在相似之處，有4張紫丁香圖像被誤判成山楊；山楊取得98.00%的識(shí)別準(zhǔn)確率；山荊子和紫丁香取得92.00%的識(shí)別準(zhǔn)確率。由于測試集圖像和訓(xùn)練集圖像具有相同大小和背景，因此，10種樹種的平均識(shí)別準(zhǔn)確率達(dá)97.20%。

圖8 測試集圖像識(shí)別結(jié)果混淆矩陣Fig. 8 Confusion matrix of test set images recognition results

3 討論

CNN模型訓(xùn)練通常需要大量標(biāo)記樣本，但在實(shí)際工作中采集大量數(shù)據(jù)和圖像標(biāo)記成本較高，當(dāng)訓(xùn)練樣本缺失時(shí)，容易出現(xiàn)過擬合和陷入局部最優(yōu)解等現(xiàn)象（Krizhevskyet al.，2017）。為解決過擬合問題，本研究在DCGAN模型基礎(chǔ)上對生成器進(jìn)行改進(jìn)，在輸入端添加類別標(biāo)簽以控制生成過程，在生成器中嵌入殘差結(jié)構(gòu)以提高生成圖像質(zhì)量。通過生成圖像可以看出，RC-DCGAN生成的圖像相較DCGAN生成的圖像無論是輪廓還是紋理特征，圖像質(zhì)量均有很大提升，但在一些局部細(xì)節(jié)特征部分生成的圖像相較于真實(shí)圖像還有差距，這也導(dǎo)致在分類模型中對于輪廓特征相似的個(gè)別樹種圖像出現(xiàn)誤判現(xiàn)象，如何提高生成圖像質(zhì)量仍需更進(jìn)一步深入研究。

本研究以10種樹種葉片圖像為研究對象，共采集2 100幅圖像，使用RC-DCGAN擴(kuò)充數(shù)據(jù)集11 400幅，雖然解決了數(shù)據(jù)集問題，但模型訓(xùn)練時(shí)試驗(yàn)參數(shù)的設(shè)置也是至關(guān)重要的，本研究在batch size、dropout、learning rate參數(shù)的取值上做了對比試驗(yàn)。

1） batch size：分別選取每批次訓(xùn)練64、128、256張圖像，可以發(fā)現(xiàn)，適當(dāng)增大batch size，可以加快模型收斂速度，提升準(zhǔn)確率；然而，過大的batch size容易使模型陷入局部最優(yōu)解，導(dǎo)致精度下降。當(dāng)batch size為128時(shí)能取得較好效果。

2） dropout：分別選取比率為0.5、0.6、0.7的dropout，忽略一定比率的特征選擇器，從而減少特征器間的相互作用，避免模型過于依賴某些局部特征，從而提高模型泛化能力?？梢园l(fā)現(xiàn)，dropout為0.5時(shí)能取得理想結(jié)果。

3） learning rate：學(xué)習(xí)率控制模型參數(shù)更新的步伐，學(xué)習(xí)率過小，梯度下降速度過慢，會(huì)增大尋優(yōu)時(shí)間；學(xué)習(xí)率過大，梯度下降速度加快，但通常越過最小點(diǎn)，導(dǎo)致模型不收斂甚至震蕩。本研究采用初始學(xué)習(xí)率分別為0.01、0.001、0.000 1的指數(shù)衰減策略調(diào)整學(xué)習(xí)率，當(dāng)初始學(xué)習(xí)率為0.01時(shí)，識(shí)別準(zhǔn)確率最高。

4 結(jié)論

本研究融合生成對抗網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)，提出聯(lián)合模型基于葉片圖像對樹種進(jìn)行分類識(shí)別。為滿足卷積神經(jīng)網(wǎng)絡(luò)對大量訓(xùn)練集的需要，首先使用生成對抗對圖像進(jìn)行擴(kuò)充，然后設(shè)計(jì)基于殘差網(wǎng)絡(luò)的分類模型，使用原始圖像和生成圖像作為訓(xùn)練集對樹種進(jìn)行識(shí)別。在本研究10種常見樹種葉片圖像上利用ResNet30模型取得97.20%的平均識(shí)別準(zhǔn)確率，相較傳統(tǒng)圖像擴(kuò)充方法，精確度提升2.25%。使用生成對抗網(wǎng)絡(luò)擴(kuò)充樣本方法的識(shí)別率高于傳統(tǒng)圖像擴(kuò)充方法，可利用生成對抗網(wǎng)絡(luò)為目前農(nóng)業(yè)領(lǐng)域圖像數(shù)據(jù)不足的現(xiàn)狀提供一個(gè)新的解決方法。