基于深度学习的番茄叶片病害图像识别技术

徐 志望, 谢 侃侃, 彭 荣芳, 吴 克航, 孙 梦棋
绍兴文理学院元培学院

摘要


本文研究细粒度图像分类和弱监督学习在番茄病害检测中的应用，该研究一方面能够降低数据集对人工标
注的依赖，另一方面能够更好的利用关键区域的特征表达能力，提高模型在番茄病害检测的准确度。本文提出了注
意力指导下的图像增强和样本生成方法，不同于传统的翻转、平移、采集等图像扩充方法，是通过注意力裁剪和下
降有选择的保留图像中的关键特征，从而合成新的高质量训练样本，在理论和方法上都具有创新性。

关键词


细粒度；弱监督；注意力裁剪

全文:

PDF


参考


[1]郭小清，范涛杰，舒欣.基于改进Multi-Scale

AlexNet的番茄叶部病害图像识别[J].农业工程学报，

2019，35（13）：162-169.

[2]樊杰.基于深度残差网络的农作物叶片病症识别

研究[D].内蒙古科技大学，2020.

[3]He K, Zhang X, Ren S, et al. Deep residual learning

for image recognition[C]// Proceedings of the IEEE

conference on computer vision and pattern recognition. 2016:

770-778.

[4]Dubey A, Gupta O, Raskar R, et al. Maximumentropy fine-grained classification[J]. arXiv preprint

arXiv:1809.05934, 2018.

[5]Zheng H, Fu J, Zha Z J, et al. Learning deep bilinear

transformation for fine-grained image representation[J]. arXiv

preprint arXiv:1911.03621, 2019.


Refbacks

  • 当前没有refback。