典型文献
基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究
文献摘要：
针对现有方法在识别烟丝类型中泛化能力差、准确率低的问题,提出了一种基于高效通道注意力机制与多尺度特征融合的烟丝类型识别方法.对采集的梗丝、膨胀叶丝、叶丝和再造烟丝4类烟丝图像进行降噪处理,处理后的图像经K-means聚类得到图像的前景和后景并完成分割,提高输入图像的抗环境干扰能力和特征提取能力.在Inception-ResNet-V2网络中引入高效通道注意力机制,加强模型提取特征的能力;同时,将改进后的模块输出的特征图进行多尺度融合,增加特征代表性,降低过拟合风险.最后,在比较收敛性和准确性时,用PReLU和AdaBound代替了ReLU激活函数和Adam优化器.结果表明,提出的算法具有较好的泛化能力,能实现4类烟丝高效识别,最终识别精度为97.23％,单幅图像的检测时间为0.107 s.
文献关键词：
烟丝;k-means算法;Inception网络;高效通道注意力机制;多尺度特征融合
中图分类号：
作者姓名：
刘江鹏;牛群峰;靳毅;陈霞;王莉;袁强
作者机构：
河南工业大学 电气工程学院,河南 郑州 450000;河南中烟工业有限责任公司安阳卷烟厂,河南 安阳 455006
文献出处：
引用格式：
[1]刘江鹏;牛群峰;靳毅;陈霞;王莉;袁强-.基于高效通道注意力机制与多尺度特征融合的烟丝图像识别方法研究)[J].河南农业科学,2022(11):145-154
A类：
B类：
高效通道注意力机制,多尺度特征融合,烟丝,图像识别,泛化能力,类型识别,梗丝,叶丝,降噪处理,means,后景,环境干扰,干扰能力,特征提取能力,Inception,ResNet,V2,提取特征,特征图,多尺度融合,加特,过拟合,收敛性,PReLU,AdaBound,激活函数,Adam,优化器,识别精度,单幅图像,检测时间
AB值：
0.320233
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
