典型文献
基于多尺度双路注意力胶囊网络在水稻害虫识别中的应用
文献摘要：
[目的]研究基于多尺度双路注意力胶囊网络(Multi-scale Dual-path Attention Capsule Network,MDACapsNet)的水稻害虫识别方法,为田间害虫自动识别提供参考依据.[方法]针对现有方法对位置、姿势多变的水稻害虫识别准确率低等问题,在胶囊网络(Capsule Network,CapsNet)的基础上,提出一种基于MDACapsNet的水稻害虫识别方法.MDACapsNet由编码模块、重构模块与分类模块组成.在MDACapsNet编码模块中,多尺度双路注意力模块与局部共享动态路由算法用于提高网络的特征提取能力并降低网络计算量;在MDACapsNet的损失函数中增加重构图像损失项,加速网络训练.[结果]在复杂背景下的水稻害虫图像数据集进行实验,识别准确率为95.31％.与VGG16、CapsNet、ResNet相比较,MDACapsNet的识别准确率分别提高5.47％、19.83％、2.83％.[结论]MDACapsNet能较好地识别大小不同、背景复杂、姿势多样的水稻害虫,可应用于田间水稻害虫自动检测系统中.
文献关键词：
水稻害虫图像;胶囊网络;自注意力机制;多尺度双路注意力胶囊网络
中图分类号：
作者姓名：
刘裕;赵保平;张述嘉;林洁
作者机构：
西京学院信息工程学院,西安 710123;宝鸡市农业科学研究院,陕西宝鸡 721000
文献出处：
引用格式：
[1]刘裕;赵保平;张述嘉;林洁-.基于多尺度双路注意力胶囊网络在水稻害虫识别中的应用)[J].西南农业学报,2022(07):1573-1581
A类：
多尺度双路注意力胶囊网络,MDACapsNet
B类：
害虫识别,Multi,scale,Dual,path,Attention,Capsule,Network,田间,自动识别,姿势,识别准确率,注意力模块,动态路由算法,特征提取能力,计算量,损失函数,重构图像,损失项,网络训练,复杂背景,水稻害虫图像,图像数据集,VGG16,ResNet,于田,自动检测系统,自注意力机制
AB值：
0.206591
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。
