科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的蘑菇特征提取方法分类效率低且效果差的问题，提出了一种轻量型的蘑菇图像分类模型。由于实验所用数据集较小，所提分类模型在基于Imagenet数据集的迁移学习中初始化EfficientNetV2模型并修改全连接层。同时为了减少网络中参数影响，对原EfficientNetV2模型进行精简，去除了网络中重复的模块。最后用特征提取效果更好的coordinate attention(CA)注意力机制替代原来MBConv模块中的squeeze-and-excitation机制，得到了新的CA-EfficientNetV2。实验结果表明：所提EfficientNetV2与经典ResNet50模型和RegNet相比分类准确率分别提高了10个百分点和2个百分点左右，并得到较高的泛化性能；相较于原始EfficientNetV2，分类准确率提高了3个百分点。即CA-EfficientNetV2在蘑菇分类问题上具有更高的准确率，具有较高的分类性能。
- 单位
