CN114140663B 一种基于多尺度注意力学习网络的害虫识别方法及系统 （齐鲁工业大学(山东省科学院)）_第1页
CN114140663B 一种基于多尺度注意力学习网络的害虫识别方法及系统 （齐鲁工业大学(山东省科学院)）_第2页
CN114140663B 一种基于多尺度注意力学习网络的害虫识别方法及系统 （齐鲁工业大学(山东省科学院)）_第3页
CN114140663B 一种基于多尺度注意力学习网络的害虫识别方法及系统 （齐鲁工业大学(山东省科学院)）_第4页
CN114140663B 一种基于多尺度注意力学习网络的害虫识别方法及系统 （齐鲁工业大学(山东省科学院)）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于多尺度注意力学习网络的害虫识本发明提供了一种基于多尺度注意力学习网络的害虫识别方法，包括获取包含害虫的图来的问题；MS-ALN中的TLM可以有效地定位害虫2所述多尺度注意力学习网络模型包括目标定位模块、注意力检测模块和所述注意力检测模块用于将害虫目标图进行特征值提取和聚合，并且统一放所述注意力删除模块将害虫部件图进行删除操作得到注意力在解耦学习过程中，首先采用样本平均策略训练网络全局的所述多尺度注意力学习网络模型包括目标定位模块、注意力检测模块和所述注意力检测模块用于将害虫目标图进行特征值提取和聚合，并且统一放所述注意力删除模块将害虫部件图进行删除操作得到注意力在解耦学习过程中，首先采用样本平均策略训练网络全局的设备的处理器加载并执行权利要求1-3中任一项所述的一种基于多尺度注意力学习网络的求1-3中任一项所述的一种基于多尺度注意力学3[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技片少的类别识别准确率就会很差。上述三点问题为农业害虫的识别研究带来了较大的挑[0009]根据获取的包含害虫的图像，利用多尺度注意力学习网络模型获得图像识别结4理器加载并执行所述的一种基于多尺度注意力学习网络的害虫[0027]4、本发明搭建的多尺度注意力学习网络在大规模害虫数据集5[0039]根据获取的包含害虫的图像，利用多尺度注意力学习网络模型获得图像识别结4:1的比例划分为训练集与测试集，训练集用于模型参数的训练，测试集用于测试模型精寸为1×H×W。再利用全局平均池化运算(GlobalAveragePooling,GAP)计算得到用于判6传入相同的特征提取网络得到特征编码，最后将特征编码传入分类器得到最终的害虫编7[0060]IP102:它包含了102种常见的农业害虫的75000多张图片，其中包含45095张训练因素；在此基础上，我们引入ADM来检测高响应区域并让网络更好地学习害虫的细粒度特8理器加载并执行本实施例1提供的一种基于多尺度注意力学习网络的害虫机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行本实施例1提供的现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0079]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论