当前位置: 首页 > 文章 > 基于卷积块注意力胶囊网络的小样本水稻害虫识别 中国农业大学学报 2022,27 (3) 63-74
Position: Home > Articles > Rice pests recognition with small number of samples based on CBAM and capsule network Journal of China Agricultural University 2022,27 (3) 63-74

基于卷积块注意力胶囊网络的小样本水稻害虫识别

作  者:
曾伟辉;唐欣;胡根生;梁栋
单  位:
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心
关键词:
水稻害虫;害虫识别;卷积神经网络;胶囊网络;注意力机制
摘  要:
针对真实复杂背景下小样本水稻害虫识别模型泛化能力弱,易受复杂背景干扰以及重要特征表达能力不强等问题,提出了 一种基于卷积块注意力胶囊网络的小样本水稻害虫识别方法.采用数据增强的方法扩充数据,以提高模型的泛化能力同时预防过拟合;利用GrabCut算法去除图像中的复杂背景,减小复杂背景对水稻害虫识别的干扰;将空间注意机制和通道注意机制相结合的卷积块注意模块(Convolutional block attention module,CBAM)引入到胶囊网络中,提高模型对水稻害虫特征的表达能力,使模型关注重要特征,抑制不必要的特征.其中胶囊网络主要用来更加敏锐地发现小样本图像中水稻害虫的相对位置和角度等信息.结果表明:在对复杂背景下小样本水稻害虫的识别时,本研究方法准确识别率达99.19%,优于支持向量机(Support vector machine,SVM)、k 近邻(k-nearest neighbors,kNN)等浅层网络方法,也优于 VGG16、GoogLeNet 以及 Mobilenet 等深度网络方法,可实现复杂背景下的小样本水稻害虫的准确识别.
译  名:
Rice pests recognition with small number of samples based on CBAM and capsule network

相似文章

计量
文章访问数: 15
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊