基于多任务学习的番茄叶片图像病害程度分类
针对现有的分类深度神经网络大多为扁平型的网络架构,很少关注数据类别的层次性结构,导致分类器训练难度较大的问题,本文提出一种基于数据层次关系的多任务学习分类网络模型.依托番茄叶片病害的层次结构信息设计了一个带有共享网络的由粗粒度到细粒度的层次结构进行病害程度分类,网络模型以ResNet-50作为网络主干,包括两个子网络:粗粒度网络模块负责区分番茄病害共5类,细粒度网络模块在残差网络模块的基础上添加SE模块负责病害程度的分类共9类.通过对网络架构各个分支的验证,以及同VGG-16、ResNet-34、ResNet-503种扁平型网络在病害程度分类任务上做比较,证明本文网络结构的可行性和有效性,最终测试集分类精度达到93.97%.证明本文结合数据与网络的层次结构采用多任务分类方法,是一种有效的病害程度分类算法.
多任务分类网络;番茄病害程度;层次结构;级联操作
32
TP391.9(计算技术、计算机技术)
甘肃省科技计划项目;甘肃省高等学校科研项目
2021-11-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
833-840