改进的卷积神经网络在树种识别中的应用

摘要：

为了提高树木种类识别的正确率和效率,减缓过拟合的发生,提升树木识别技术的实用性,本文提出一种基于改进的卷积神经网络的树木识别方法.该方法首先在Xception框架中,压缩信道进一步利用全局特征映射的平均池化,改变混合注意力连接方式为并行连接;其次在特征图中随机抽取一部分,对该部分进行规范化处理,使用注意力特征图裁剪的方法后,重新进入神经网络;最后进行消融实验,在树木种类数据集中,使学习率为0.1、迭代50次时,树木识别的准确率高达98.90％.研究表明,提出的改进卷积神经网络在树木识别上具有更好的识别效果.使卷积神经网络架构的内存缩小到133.9 MB,耗时仅为458 ms.采用改进的卷积神经网络不仅提高了树木识别的准确率,同时也降低了时间成本.

关键词：注意力机制;特征图像;迁移学习;树木识别;特征提取;图像分类

所属期刊栏目：37

分类号：S757;TP183;TP391.41(森林经营学、森林计测学、森林经理学)

资助基金：哈尔滨市应用技术研究;开发项目

在线出版日期：2021-10-12（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：75-81,104