基于深度学习的小样本中药材粉末显微图像识别

摘要：

针对中药材种类繁多、数据量稀少以及难以对其导管进行分类的问题,提出一种基于多通道颜色空间与注意力机制模型的卷积神经网络改进方法.首先,采用多通道颜色空间将RGB颜色空间与其他颜色空间合并为6通道作为网络输入,使网络学习亮度、色调和饱和度等特征信息,弥补数据量的不足;其次,在网络中加入注意力机制模型,其中通道注意力模型将两个池化层紧密连接到一起,空间注意力模型将多尺度空洞卷积结合到一起,使网络将注意力聚焦于小样本中关键的特征信息.实验结果表明,针对34种中药材样本的8774张导管图像,采用多通道颜色空间和注意力机制模型的方法,与原始ResNet网络相比,准确率分别提升了1.8个百分点和3.1个百分点,将二者结合后准确率提升了4.1个百分点,说明所提方法对小样本分类的准确率有着大幅度的提升.

关键词：小样本数据、注意力机制、颜色空间、卷积神经网络、中药材粉末

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：中医药行业科研专项;中央本级重大增减支项目

在线出版日期：2020-06-02（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：1301-1308