基于注意力机制的农作物害虫检测
Journal: Engineering and Management Science DOI: 10.12238/ems.v6i5.7782
Abstract
害虫检测是农业生产中不可或缺的一环，对于作物健康生长、提高农产品质量具有重要意义。传统的害虫检测方法依赖于人工巡检，效率低且易受主观因素影响。随着深度学习技术的发展，基于图像识别的害虫检测方法逐渐受到关注。本文提出了一种基于注意力机制的害虫检测模型，通过设计一种融合通道和空间注意力机制的神经网络模型，自适应地调整不同通道和空间位置的权重，使模型能更准确地定位害虫并提取其关键特征，提高检测准确率。实验结果表明，本文提出的基于注意力机制的害虫检测方法在检测准确度上取得了显著提升，对于农业生产、环境保护等领域具有重要意义。
Keywords
害虫检测；注意力机制；深度学习；神经网络
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 王福龙，江明，钱晨等.残差注意力网络在图像分类中的应用[J].计算机学报，2018，41（7）：1647-1659.
[2] 伍世虔，徐德刚.CBAM：一种卷积块注意力模块[J].计算机科学与应用，2019，9（3）：567-576.
[3] 付剑锋，刘杰，田华等.基于双重注意力机制的场景分割算法[J].自动化学报，2020，46（2）：397-409.
[4] 黄政，王晓龙.基于注意力机制的LSTM在方面级情感分类中的应用[J].中文信息学报，2017，31（6）：183-190.
[5] 谷雪.基于注意力机制的深度学习模型研究[D].南京大学，2019.
[6] 张翔宇，周小鹏，林敏等.ShuffleNet：一种面向移动设备的极高效卷积神经网络[J].计算机学报，2019，42（10）：2261-2272.
[7] 刘威，安吉洛夫，埃尔汉等.YOLO：一种统一、实时的目标检测算法[J].计算机视觉与模式识别，2016，38（6）：1-17.
[8] 刘文超，庄传礼，蒋树强等.SSD：一种单阶段多框检测器[J].计算机科学与应用，2017，7（1）：1-17.
[9] 西蒙尼扬，齐瑟曼.非常深的卷积网络用于大规模图像识别[J].计算机视觉与模式识别，2015，23（4）：1-14.
[2] 伍世虔，徐德刚.CBAM：一种卷积块注意力模块[J].计算机科学与应用，2019，9（3）：567-576.
[3] 付剑锋，刘杰，田华等.基于双重注意力机制的场景分割算法[J].自动化学报，2020，46（2）：397-409.
[4] 黄政，王晓龙.基于注意力机制的LSTM在方面级情感分类中的应用[J].中文信息学报，2017，31（6）：183-190.
[5] 谷雪.基于注意力机制的深度学习模型研究[D].南京大学，2019.
[6] 张翔宇，周小鹏，林敏等.ShuffleNet：一种面向移动设备的极高效卷积神经网络[J].计算机学报，2019，42（10）：2261-2272.
[7] 刘威，安吉洛夫，埃尔汉等.YOLO：一种统一、实时的目标检测算法[J].计算机视觉与模式识别，2016，38（6）：1-17.
[8] 刘文超，庄传礼，蒋树强等.SSD：一种单阶段多框检测器[J].计算机科学与应用，2017，7（1）：1-17.
[9] 西蒙尼扬，齐瑟曼.非常深的卷积网络用于大规模图像识别[J].计算机视觉与模式识别，2015，23（4）：1-14.
Copyright © 2024 徐聪, 赵正丽, 羊仪昕, 黄敬敏, 王乐洋
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License