科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前的照片精细化识别主要是基于传统机器学习，识别精度无法保证大范围应用，部分基于神经网络模型的方法在提升精度的同时难以兼顾效率。基于此，提出一种轻量化的卷积神经网络模型，减少了模型的参数量与计算量，从而提高速度。方法包含跨阶段融合以及多尺度融合策略，强化模型的特征学习能力，提升模型的预测精度。在利用三调照片对菠萝、柚子、香蕉等地表植被的识别中，通过与主流模型的对比实验发现，提出的模型在识别速度和精度方面均有较大提高。
- 单位
目前的照片精细化识别主要是基于传统机器学习，识别精度无法保证大范围应用，部分基于神经网络模型的方法在提升精度的同时难以兼顾效率。基于此，提出一种轻量化的卷积神经网络模型，减少了模型的参数量与计算量，从而提高速度。方法包含跨阶段融合以及多尺度融合策略，强化模型的特征学习能力，提升模型的预测精度。在利用三调照片对菠萝、柚子、香蕉等地表植被的识别中，通过与主流模型的对比实验发现，提出的模型在识别速度和精度方面均有较大提高。
