科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对番茄叶片型病害在早晚期具有类内差异大、类间差异小的特点，常规神经网络对此类病害的分类效果不佳的问题，提出了基于Res2Net和双线性注意力的番茄病害时期识别方法，通过多尺度特征和注意力机制，提高网络的细粒度表征能力。首先，提出EFCA通道注意力模块，在不降维的基础上，使用二维离散余弦变换代替全局平均池化，以减少常规通道注意力获取时的信息丢失。其次，在外积之后加入最大池化和concat操作，避免双线性融合后因维度过高导致的特征冗余。在7种不同种类和14种不同程度病害番茄叶面型病害数据集实验中，本文方法分类准确度分别为98.66%和86.89%。
- 单位
