融合注意力机制的木薯叶病害分类方法

摘要：

文章针对木薯叶病害图像因病斑区域小,部分疾病特征相似和易受背景干扰而导致识别准确率低的问题,在研究ResNeXt神经网络的基础上,设计了3 种方法以提高模型的准确性和鲁棒性:1)增加了一个数据不连续的掩膜层,以缓解神经网络的过拟合问题;2)引入了多头自注意力机制模块,将卷积神经网络和注意力机制结合起来,对图像的局部和全局特征进行分析,提高了相似疾病之间的可分离性;3)使用焦点损失函数缓解木薯叶病害数据集中的类别不平衡问题.仿真实验表明,改进后的算法在木薯叶病害数据集上具有较好的准确率,同时具有较好的泛化能力,适用于其他植物叶片数据集.

关键词：植物病理、图像分类、ResNeXt、CNN、多头自注意力机制、焦点损失函数

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：40-48