面向番茄病害识别的改进型SqueezeNet轻量级模型

摘要：

针对番茄病害识别中深度神经网络参数过多、识别精度较低的问题,从网络轻量化和提取特征精准化的角度出发,对SqueezeNet结构进行改进.为精简fire模块,对其中Expand层的卷积核大小、网络层数以及通道数进行调整.同时,将模型与ECA模块结合,利用局部跨通道交互的方式获得各通道的注意力值,强化网络对关键特征的学习能力.实验结果表明,与LeNet、MobileNet和SqueezeNet模型相比,改进型SqueezeNet的模型大小和识别准确率均具有明显优势,为嵌入式设备在实际生产中的番茄病害识别提供一种技术方法.

关键词：番茄病害、卷积神经网络、ECA模块、轻量级、SqueezeNet结构

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;大连市科技创新基金项目

在线出版日期：2022-05-05（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：71-77