标签:SACNN 卷积 网络 神经网络 鲁棒性 SA 识别 病害 作物
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
标签:SACNN,卷积,网络,神经网络,鲁棒性,SA,识别,病害,作物 来源: https://blog.csdn.net/weixin_45592298/article/details/115890740
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。