基于注意力机制的DenseNet模型的树种识别应用

摘要：

随着图像识别分类技术的发展,该技术被人们应用到工农业生产各个领域,以提高其工作质量和效率.在特殊领域背景复杂数据集分类任务中,为增强神经网络的分类能力,降低参数冗余,提高训练效率,提出一种基于注意力机制的DenseNet模型.该神经网络能够通过添加注意力机制获取图像重要信息,以解决数据敏感问题,提高网络整体性能.在复杂树种叶片公开数据集Leafsnap和公共数据集SVHN上分别取得了91.25％和98.27％的分类精确率.实验结果表明,基于注意力机制的DenseNet模型分类效果明显优于其他网络模型.

关键词：图像分类、卷积神经网络、密集神经网络、注意力机制、树种识别

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目;中央高校基本科研业务费专项资金项目;黑龙江省科学基金项目

在线出版日期：2020-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-127,173