自注意力机制卷积神经网络的作物叶片病害识别
2021/4/20 10:28:28
本文主要是介绍自注意力机制卷积神经网络的作物叶片病害识别,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
1、研究内容
【1】提出了一种自注意卷积神经网络(SACNN),它能够提取作物病斑的有效特征来识别作物病害。
【2】讨论了自注意网络的位置选择、通道大小设置、网络数目等方面对识别性能的影响,以展示自注意网络的工作机制。
2、创新点
【1】提出了一种新的SACNN方法,该网络由一个基本网络基网和一个自关注网络组成,分别用于提取作物叶斑病区域的全局特征和局部特征。
【2】讨论了SA对位置选择、信道大小设置和SA网络数目等识别性能的影响,以进一步揭示其工作机制,为今后的研究提供启示。
【3】本文提出的SACNN方法具有精度高、鲁棒性强的优点。SACNN方法在开放数据集MK-D2上的性能更好。另外,在AES-CD9214数据集上对测试图像加入噪声后,该方法具有较高的识别精度和较强的鲁棒性。
在基网中嵌入模拟退火网络,输出输入图像的分类概率,并根据概率得到输入图像的分类结果。Base-Net主要用于提取输入图像的全局特征,SA网络主要用于提取叶斑病区域的局部特征。它们的相互作用和组合旨在提高作物病害识别的准确性和鲁棒性。
3、基本网络
这篇关于自注意力机制卷积神经网络的作物叶片病害识别的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-06-25AI大模型企业应用实战(24)-什么是zero-shot, one-shot和few-shot Learning?
- 2024-06-24AI大模型企业应用实战(19)-RAG应用框架和解析器
- 2024-06-24AI大模型企业应用实战(20)-RAG相似性检索的关键 - Embedding
- 2024-06-24AI大模型企业应用实战(21)-RAG的核心-结果召回和重排序
- 2024-06-24AI大模型企业应用实战(22)-Prompt让LLM理解知识
- 2024-06-23AI大模型企业应用实战(17)-利用memory为LLM解决长短时记忆问题
- 2024-06-23AI大模型企业应用实战(18)-“消灭”LLM幻觉的利器 - RAG介绍
- 2024-06-23AI 大模型应用开发实战(04)-AI生态产业拆解
- 2024-06-23AI 大模型企业应用实战(13)-Lostinthemiddle长上下文精度处理
- 2024-06-15史上最强 AI 翻译诞生了!拳打谷歌,脚踢 DeepL