人工智能在农业食品系统中的应用与智能农业食品供应链
1. 人工智能在农业食品系统中的应用
人工智能在农业食品系统中展现出了巨大的潜力,尤其是在卷积神经网络(CNN)架构和食品领域的应用方面。
1.1 CNN架构比较
DenseNet和ResNet较为相似,但在参数数量和浮点运算次数(FLOPs)上存在差异,DenseNet的参数和FLOPs几乎是ResNet的一半。基于宽度的CNN架构是Xception,它通过加宽Inception块来设计。与Inception模型相比,Xception模型有71层,适用于处理包含3.5亿张图像、17000个类别的大型数据集。
以下是不同CNN架构的比较表格:
| 架构 | 参数数量 | 数据集 | 层数 | 开发者/年份 |
| — | — | — | — | — |
| LeNet | 60K | MNIST | 7 | Yann LeCun等/1998 |
| AlexNet | 61M | ImageNet | 8 | Alex Krizhevsky等/2012 |
| VGG | 138M | ImageNet | 19 | Simonyan和Zisserman/2014 |
| GoogLeNet | 4M | ImageNet | 22 | Google/2014 |
| ResNet | 25M | ImageNet, CIFAR | 152 | Kaiming He/2015 |
| Inception V3 | 23.6M | ImageNet | 48 | Szegedy等/2016 |
| Inception
超级会员免费看
订阅专栏 解锁全文
1426

被折叠的 条评论
为什么被折叠?



