基于EfficientNet的木薯叶病变自动分类模型

作者：姜天宇; 赵晓林^*; 赵搏欣; 李伟龙; 吴梦瑶

来源：计算机应用, 2022, S1: 64-70.

• 木薯叶病变分类
• 标签噪声
• 标签平滑
• 双稳态逻辑损失
• 随机丢弃节点
• EfficientNet

针对数据集中标注存在错误的情况下，传统的分类方法的模型在学习错误特征时过于自信导致准确率低的问题，提出了基于EfficientNet的自动分类模型。首先，对输入图像做数据增强，扩充数据后由EfficientNet提取特征；然后，引入标签平滑和随机丢弃节点，使模型不会过于自信，提高模型的泛化能力；最后采用双稳态逻辑损失进行预测。训练中通过对数据集做分层交叉验证来避免过拟合。实验结果表明，所提模型不仅比参数量低的模型表现更加优异，甚至比几倍于自身参数量的如ResNeXt或者十几倍于自身参数量的如RepVGG等模型也有更好的表现。所提模型计算量更小，推理速度更快，算法精度更高，更符合实际落地的要求。所提模型在木薯叶病变公共数据集上的准确率达到了89.66%。

• 单位
  空军工程大学