首页|基于显著性检测的害虫图像分类

基于显著性检测的害虫图像分类

Image classification of insect pests based on saliency detection

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对病虫害分类时害虫种类多样,且类间与类内差异大等问题,提出了一种害虫分类模型PestNet.模型主要由目标定位模块OPM和多特征融合模块MFFM组成,OPM通过U型网络结构整合害虫图像浅层细节信息和深层空间信息,初步划定显著区域并输出空间语义特征.MFFM通过对空间语义特征和抽象语义特征进行双线性池化操作,弱化背景信息,增加细节特征.此外,通过目标区域裁剪和掩膜等方式辅助训练模型,提高模型分类精度.将该模型在病虫害数据集IP102上进行实验,分类准确率可达77.40％,能够实现复杂背景下大规模害虫图像的分类识别.

赵宏伟、霍东升、王洁、李晓宁

展开 >

吉林大学计算机科学与技术学院,长春130012

上海航天控制技术研究所,上海201109

长春师范大学计算机科学与技术学院,长春130032

计算机应用 病虫害分类 显著性检测 多特征融合 数据增强

吉林省省级科技创新专项资金项目吉林省自然科学基金中国高校科技期刊研究会青年基金吉林省教育厅职业教育与成人教育项目吉林省教育厅科研项目

20190302026GX20200201037JCCUJS-QN-2021-0492019ZCY403JJKH20181180KJ

2021

10.13229/j.cnki.jdxbgxb20200749

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(6)
  • 4
  • 10