-
题名基于注意力机制轻量化模型的植物病害识别方法
被引量：1
- 1
-
-
作者
苏航
陈旭昊
寿德荣
张朝阳
许彪
孙丙宇
-
机构
重庆三峡学院机械工程学院
中国科学院合肥物质科学研究院智能机械研究所
中国工程物理研究院
-
出处
《江苏农业学报》
CSCD
北大核心
2024年第8期1389-1399,共11页
-
基金
国家自然科学基金项目(61773360)
2019年重庆市人工智能+智慧农业学科群开放基金项目(ZNNYKFA201901)。
-
文摘
针对现有植物病害识别模型存在响应速度慢、参数量多、计算机内存资源消耗大等问题,本研究提出了一种轻量化神经网络模型,该模型由特征提取层、特征增强层和分类器组成。为了减小模型大小并提高网络响应速度,在特征提取层中使用深度可分离卷积进行特征提取。为了防止网络传播过程中的梯度消失并增强病害像素特征融合,在特征提取层中引入了大卷积核倒置残差结构(IRBCKS)模块。此外,在特征增强层集成了轻量级卷积块注意力模块(CBAM)注意力机制,以捕捉植物病害相关图像中像素之间的关系,增强关键信息的提取。最后,采用剪枝技术剔除模型中冗余特征信息,从而再次减少模型参数量,形成最终的轻量级网络模型Cut-MobileNet。为验证该模型的先进性,将其与轻量化模型(MobileNet V2、SqueezeNet、GoogLeNet)和非轻量化模型(Vision Transformer、AlexNet)进行性能对比,研究结果表明,Cut-MobileNet在浮点运算量、准确率、单张图片推理时间、参数量、F1值和模型大小等性能指标上都取得了较优的效果。
-
关键词
模型剪枝
卷积块注意力模块(CBAM)注意力机制
大卷积核倒置残差结构(irbcks)模块
植物病害
轻量化网络
-
Keywords
model pruning
convolutional block attention module(CBAM)attention mechanism
inverted residual block convolution kernel structure(irbcks)module
plant diseases
lightweight networks
-
分类号
S608
[农业科学—园艺学]
-
-
题名面向低算力设备的改进轻量化语音识别模型
- 2
-
-
作者
李政霖
介婧
柴佳辉
郑慧
武晓莉
-
机构
浙江科技大学自动化与电气工程学院
-
出处
《计算机工程与设计》
2025年第10期2969-2977,共9页
-
基金
浙江省基础公益研究计划基金项目(LTGG23F030001)
浙江省教育厅一般科研基金项目(研究生专项:Y202352180)
浙江省尖兵领雁计划基金项目(2022C04012)。
-
文摘
针对语音识别模型在低算力设备上部署难且识别精度低的问题,提出一种改进的轻量化语音识别模型。该模型采用双通道多核卷积结构,以深度残差收缩网络为主要识别单元;引入卷积块注意力模块提高其对通道和空间位置的特征敏感度;结合门控线性单元,提高对长序列语音信息的识别能力;采用非对称卷积策略减少参数量;通过像素注意力引导模块进行特征融合,增强对关键语音信息的捕捉能力。在中文数据集Aishell-1上的实验结果表明,该模型字错误率为12.13%,相较于结果最好的ResNet降低了5.76%,同时其参数量因引入非对称卷积策略降低了40.26%,有效降低了模型的复杂度。
-
关键词
轻量化语音识别模型
双通道多核卷积结构
深度残差收缩网络
卷积块注意力模块
门控线性单元
非对称卷积策略
像素注意力引导模块
-
Keywords
lightweight speech recognition model
dual-channel multi-kernel convolution structure
deep residual shrinkage network
convolutional block attention module
gated linear unit
asymmetric convolution strategy
pixel attention-guide module
-
分类号
TP183
[自动化与计算机技术]
-
