典型文献
融合空间注意力机制和DenseNet的玉米病害分类方法
文献摘要：
针对现有机器学习方法对玉米叶片病害进行分类时存在准确率不高、 分类模型参数量偏大的问题,提出了一种融合空间注意力机制和DenseNet的玉米叶片病害分类方法SA-DenseNet.将空间注意力机制加入至DenseNet网络的每一个Dense Block模块中,使改进后网络更加关注玉米叶片病害的空间特征;把网络中的ReLU激活函数替换为PReLU激活函数,以避免在网络训练过程中输入为负数时导致的梯度消失问题.仿真结果表明,改进模型对玉米叶片病害分类的训练集准确率为98.77％,测试集准确率为98.96％,均优于AlexNet,ResNet50,ResNeXt三个对比网络.模型大小为67.7 MB,优于ResNet50和ResNeXt网络.
文献关键词：
玉米叶片病害;深度学习;图像处理;注意力机制;激活函数
中图分类号：
作者姓名：
曹藤宝;张欣;陈孝玉龙;彭熙舜;林建吾
作者机构：
贵州大学 大数据与信息工程学院,贵州 贵阳 550025;贵州大学 农学院,贵州 贵阳 550025
文献出处：
引用格式：
[1]曹藤宝;张欣;陈孝玉龙;彭熙舜;林建吾-.融合空间注意力机制和DenseNet的玉米病害分类方法)[J].无线电工程,2022(10):1710-1717
A类：
玉米叶片病害
B类：
空间注意力机制,DenseNet,玉米病害,病害分类,分类方法,机器学习方法,分类模型,模型参数量,偏大,SA,Block,空间特征,激活函数,PReLU,网络训练,训练过程,负数,梯度消失,改进模型,训练集,测试集,AlexNet,ResNet50,ResNeXt,MB
AB值：
0.262062
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。
