本文是利用卷积神经网络VGG16模型对花卉和手势进行分类识别，利用卷积神经网络的卷积层进行特征提取，连接层起到分类器的作用，对图像进行分类。所用软件是pycharm，解释器是python3.6。

102类花卉分类是深度学习的一个经典项目，但是数据难寻，在此提供已划分的数据集，并且附带了训练集、测试集、验证集标签txt文件+完整pytorch代码

120flowers的40个类，由于全部数据量太大，无法直接上传，所以分开上传。已经将其余的62类上传，数据全部处理好，可直接使用

植物分类是植物科学研究领域和农林业生产经营中重要的基础性工作，植物分类 学是一项具有长远意义的基础性研究，其主要的分类依据是植物的外观特征，包括叶、 花、枝干、树皮、果实等。因此，花卉分类是植物分类学的重要部分，利用计算机进 行花卉自动种类识别具有重要意义。 本文从常见的观赏花卉入手，探索了基于花朵数字图像对花卉进行种类识别的方 法。在己有研究的基础上，针对花朵的生长特点定义了颜色、纹理、形状等方面的特 征，并使用分级SVM分类器对花卉图像进行了识别。论文提出了分区域特征提取以 及极坐标系下的灰度共生矩阵适于描述放射状生长的花朵纹理特征，对提高系统的识 别准确率具有重要意义，此外，所设计的分级SVM分类器有效降低了分类器对样本 种类数量的敏感性，克服了SVM分类器对大样本量识别准确率低的问题。本文构建 了基于数字图像的花卉种类识别系统，并用五十种花卉对系统进行了测试，达到了 95.72%的识别准确率。实验结果表明，本文所实现的花卉种类识别系统具有较高的识 别准确率和稳定性。