科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对普通神经卷积网络对番茄叶病的识别精准度,先提出一种新型的多尺度融合注意力机制的网络(MIPSANet),在该网络中采用轻量级网络作为主要框架,减少了网络的参数,为了增加网络的深度和宽度,加入了Inception结构,用于提取数据的多尺度特征信息,同时,在这个过程中使用更加精细的双重注意力机制,极化自注意力(polarized self-attention, PSA),作为一个即插即用的模块,将其嵌入整个模型中,提高了重要特征点的表达能力,同时PSA模块的轻量化也符合本模型的使用.在卷积后加入全连接层,进行分类.使用提出的网络在Kaggle公开数据集tomato leaves dataset上进行实验,对其进行30批次的训练,取得了91.05%的准确率,与其他方法进行对照,取得良好的效果.试验结果表明该网络对番茄叶病的分类有很好的效果,为分类网络的网络结构和参数配置方面提供一些参考价值.
- 单位
