典型文献
耦合全局与局部特征的苹果叶部病害识别模型
文献摘要：
为充分利用苹果叶部病害图像类间差异小且类内差异大的特点,该研究基于全局与局部特征的交互式耦合对特征提取方法进行了优化,设计出一种苹果叶部病害识别模型.首先,在全局特征提取分支设计了一个注意力融合模块,以融合通道和空间上的信息而增强卷积提取到的特征图,并由增强后的特征图生成全局特征以及注意力激活图;然后,在局部特征提取分支,利用注意力激活图的引导,设计了一个裁剪模块对原图像进行裁剪,以得到可能包含病害信息的图像块且嵌入生成局部特征;最后,通过设计多头交叉注意力特征耦合模块,实现全局特征和局部特征的双向交叉耦合.基于苹果病害图像数据集的试验结果表明,将全局与局部特征进行交互耦合能有效提升模型对苹果叶部病害图像的特征提取能力,其识别准确率可达到98.23％,且较之单纯的局部或全局特征提取分支,准确率分别提高了3.39与4.61个百分点,所提模型可用于实现自然场景下的苹果叶部病害自动识别.
文献关键词：
计算机视觉;苹果叶;病害;图像识别;交叉注意力特征耦合;卷积神经网络
中图分类号：
作者姓名：
李大湘;曾小通;刘颖
作者机构：
西安邮电大学通信与信息工程学院,西安 710121
文献出处：
引用格式：
[1]李大湘;曾小通;刘颖-.耦合全局与局部特征的苹果叶部病害识别模型)[J].农业工程学报,2022(16):207-214
A类：
交叉注意力特征耦合
B类：
苹果叶部病害,病害识别,识别模型,类间差异小,类内差异,交互式,全局特征提取,取分,支设,注意力融合,合通,取到,特征图,图生成,激活图,局部特征提取,裁剪,原图,多头,双向交叉,交叉耦合,病害图像数据集,交互耦合,特征提取能力,识别准确率,较之,百分点,自然场景,自动识别,计算机视觉,图像识别
AB值：
0.270768
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。
