基于显著性检测的害虫图像分类

摘要：

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.

关键词：计算机应用;病虫害分类;显著性检测;多特征融合;数据增强

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省省级科技创新专项资金项目;吉林省自然科学基金;国家自然科学基金;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

在线出版日期：2021-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2174-2181