基于改进稠密胶囊网络模型的植物识别方法

摘要：

植物识别意义重大,但是由于植物种类繁多,规模数据集标注和构建困难,因此植物物种识别作为精细分类任务仍然面临巨大挑战.该研究提出一种改进稠密胶囊网络模型用于植物物种识别.首先,在网络初始端引入自注意力层,通过增加特征图中待识别区域的特征权值以降低背景信息对于识别任务的干扰.其次,在改进模型胶囊层间使用局部约束动态路由算法,实现局部区域内胶囊路由选择和转换矩阵共享机制,降低网络参数规模,减小网络训练学习计算负载.在试验数据集上计算结果表明,当输入图片尺度为32×32像素时,该研究模型平均识别准确率为77.2％,参数规模仅为1.8 M.当输入图片尺度为227×227像素时,该研究模型平均识别准确率为95.1％,参数规模仅为5.2 M.试验结果表明提出的改进稠密胶囊网络模型在识别分类和降低模型参数规模上均有大幅提升.

关键词：植物、机器视觉、模型、胶囊网络、自注意力机制、动态路由算法、深度学习

所属期刊栏目：36

分类号：S24;TP391.41(农业电气化与自动化)

资助基金：国家自然科学基金重点项目;国家重点研发技术专项;国家自然科学基金面上项目;吉林省自然科学基金;吉林省教育厅科研规划重点课题

在线出版日期：2020-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：143-155