基于计算机视觉的冬虫夏草图像细粒度品质鉴定研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对人工鉴定冬虫夏草品质效率低下的问题,基于视觉深度学习技术提出了一种新型的冬虫夏草细粒度视觉分类网络,旨在辅助人工高效辨别三类不同品质的虫草.所提出的网络采用了特征融合技术和注意力引导的图像增强策略.前者能够有效生成更具判别力的多尺度特征,后者通过将注意力图像裁剪增强模块和注意力图像融合增强模块相结合的方式,实现对图像的精准增强,有效提升了模型的泛化性能和鲁棒性.实验结果表明,设计的网络在CUB-200-2011 细粒度图像分类数据集展现了优越的竞争力,同时在CSCS-3冬虫夏草图像细粒度品质数据集上取得了高达96.8%的分类准确率.

作者：

祁晋东、周艳霞、边巴旺堆

展开 >

作者单位：

西藏大学信息科学技术学院西藏拉萨 850000

关键词：

冬虫夏草细粒度视觉分类特征融合注意力引导图像增强策略

基金：

西藏大学研究生高水平人才培养计划西藏大学校级教学改革项目西藏自治区教育科学研究项目

项目编号：

2021-GSP-S120XZDXJXYJ202212XZEDTP220099

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.03.004

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(3)

参考文献量13