期刊专题

10.3969/j.issn.1006-2475.2023.07.018

基于多尺度ResNet融合注意力机制的麦冬细粒度识别

引用
中药材鉴别依赖于中药师的经验,效率低且没有统一的量化标准.针对川麦冬、山麦冬和浙麦冬3类易混淆中药饮片图像细粒度分类问题,本文提出一种基于ResNet-152残差神经网络的改进模型MARNet-152(Multiscale-Attention Re-sidual Network-152),辅助人工自动辨识3种易混淆的麦冬饮片.基于ResNet-152残差神经网络构建改进的模型MAR-Net-152,对ResNet-152网络结构中Bottleneck的3×3卷积核进行分组卷积以提取和表示多尺度特征;引入结合空间和通道的卷积注意力机制模块(Convolutional Block Attention Module,CBAM),使模型更关注识别目标物体细节并具有更好的解释性.改进后的网络模型在麦冬图像细粒度识别时达到91.42%的分类精度,相较于基础模型提高了6.62个百分点,可为麦冬识别提供参考.MARNet-152模型具有更高的泛化能力,识别效果较原始ResNet-152模型提升非常明显.

中药饮片辨识、图像分类、深度学习、残差网络、注意力机制

TP183;R2(自动化基础理论)

教育部卓越工程师教育培养计划项目产学合作协同育人项目220500643305240

2023-08-25(万方平台首次上网日期,不代表论文的发表时间)

共7页

105-111

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2023,(7)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn