典型文献
基于深度残差学习的成熟草莓识别方法
文献摘要：
为解决自然状态下成熟草莓存在的背景干扰、信息丢失等问题,提出一种基于深度残差学习的草莓识别方法.首先,引入深度可分离卷积降低残差网络参数,从不同角度提取成熟草莓特征,通过交叉熵损失函数来识别分类层中的草莓.其次,嵌入压缩和激励模块学习特征权重,使用特征重新校准改善网络的学习和表征属性.最后,采用添加空间金字塔池化、加权衰减优化方法提高模型的泛化能力,优化识别结果.试验结果表明,和现有其他深度模型相比,该方法能够有效地定位复杂背景下的成熟草莓,不易受到干扰环境的影响,具有更高的识别准确率和灵敏度,在数据集C中的识别准确率和灵敏度最高,分别达到92.46％和94.28％.
文献关键词：
草莓识别;深度可分离卷积;残差网络;深度学习;压缩和激励模块;数据增强
中图分类号：
作者姓名：
张继成;李德顺
作者机构：
长江大学工程技术学院,湖北荆州,434020;海南大学计算机科学与技术学院,海口市,570228
文献出处：
引用格式：
[1]张继成;李德顺-.基于深度残差学习的成熟草莓识别方法)[J].中国农机化学报,2022(02):136-142
A类：
草莓识别,压缩和激励模块
B类：
残差学习,自然状态,下成,背景干扰,信息丢失,深度可分离卷积,残差网络,网络参数,交叉熵损失函数,识别分类,学习特征,特征权重,使用特征,空间金字塔池化,泛化能力,优化识别,深度模型,复杂背景,干扰环境,识别准确率,数据增强
AB值：
0.286743
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。
