基于特征融合与注意力的野生菌细粒度分类

作者：钱嘉鑫; 余鹏飞; 李海燕; 李红松

来源：激光与光电子学进展, 2022, 1-16.

• 图像识别
• 细粒度
• 特征融合
• 注意力机制
• 迁移学习

鉴别野生菌的种类是预防食用有毒野生菌中毒的重要途径。因此，为了提高野生菌细粒度识别分类的准确率，对注意力机制模块CBAM进行改进，提出了一种新的注意力机制模块PA＿CBAM，将CBAM中的通道注意力模块和空间注意力模块从原来的串行连接改为并行连接并相加，解决了两种注意力模块因串行连接带来的互相干扰问题。另外，参考特征金字塔的思想改进ResNet50，其Top-1和Top-5准确率达到86.03%和97.19%，较原来提升0.86%和0.7%；其添加PA＿CBAM后在Top-1和Top-5准确率达到88.52%、97.58%，较CBAM模块提高了3.03%和0.69%。此外，为了将模型移植到移动端，结合迁移学习，提出了MobileNet＿v2+PA＿CBAM的识别方法，准确率达到94.87%，较之前提升0.66%。研究表明，提出的注意力机制模块PA＿CBAM在野生菌细粒度识别研究中具有更好的识别效果，具有一定的泛用性。并且，MobileNet＿v2+PA＿CBAM训练后模型大小仅为27.8MB，识别图片的平均耗时仅为1.3ms，是在移动端部署野生菌识别的理想模型。

• 单位
  云南大学