-
题名基于多粒度特征融合的叶片分类与分级方法
- 1
-
-
作者
刘松岳
王欢
-
机构
南京理工大学计算机科学与工程学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第3期216-222,共7页
-
基金
国家自然科学基金(61703209)。
-
文摘
长期以来,已有很多工作致力于研究植物叶片分类,虽然它们在公开数据集上表现较好,但实际应用并不理想,且难以应用于更复杂的问题,如叶片分级,即要求在对叶片进行分类的基础上,再对同一类的叶片进行更细级别(质量等级)的划分。为此,提出了一种新的植物叶片分类以及分级模型,该模型关注叶片的多粒度信息,并将粗粒度与细粒度进行有效融合。该模型包含粗粒度和细粒度两个分支,由粒度混合损失将两个分支联系起来,促使模型逐步学习由粗到细的粒度表征。采用了多步骤训练方式,每一步提取不同层级的特征,实现浅层特征与深层特征的融合。此外,还提出了几何通道注意力模块,该模块由空间变换和双线性注意力池化组成,使模型可以关注图像中更具区分度的局部区域,提取出的特征更具区分性。所提方法在Flavia leaf和Swedish leaf两个公开的叶片分类数据集上分别达到了99.8%和99.7%的分类准确率,且在所构建的烟叶分级数据集上达到了71.9%的分级准确率,均超过了目前最优的方法。
-
关键词
叶片分类
叶片分级
多粒度融合
空间变换网络
双线性注意力池化
-
Keywords
Leaf classification
Leaf ranking
Multi-granularity fusion
Spatial transformation network
Bilinear attention pooling
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
