首页分享融合ECA机制与DenseNet201的水稻病虫害识别方法

融合ECA机制与DenseNet201的水稻病虫害识别方法

来源：花匠小妙招时间：2024-11-09 06:17

摘要：[目的/意义]针对传统人工识别病虫害存在的效率过低、成本过高等问题,提出一种融合ECA(Effi?cient Channel Attention)注意力机制与DenseNet201的水稻图像识别模型GE-DenseNet(G-ECA DenseNet).[方法]首先在ECA机制上引入Ghost模块的思想构成G-ECA Layer结构,增强其提取特征的能力.其次,在DenseNet201原有的Dense Block前引入G-ECA Layer,使模型具有更优的通道特征提取能力.由于实验所用的数据集较小,将DenseNet201在ImageNet数据集上预训练的权重参数迁移到GE-DenseNet中.训练时,采用Focal Loss函数来解决各分类样本不均衡的问题.同时,使用Adam优化器以避免在模型训练初期由...

关键词：

DensetNet201ECA注意力机制病虫害识别迁移学习卷积神经网络Ghost模块

分类号：

S126(农业物理学)

资助基金：

江苏省现代农业发展项目 ( 2020-SJ-003-YD03 ) 扬州大学学科特区学科交叉课题 ( yzuxk202008 ) 江苏省大学生创新训练计划项目 ( 202211117065Z )

论文发表日期：

2023-04-30

在线出版日期：

2023-08-28 （万方平台首次上网日期，不代表论文的发表时间）

页数：

11 ( 45-55 )