基于改进稠密胶囊网络模型的植物识别方法

• Published in: 农业工程学报 Vol. 36; no. 8; pp. 143 - 155
• Main Authors: 温长吉, 娄月, 张笑然, 杨策, 刘淑艳, 于合龙
• Format: Journal Article
• Language: Chinese
• Published: 明尼苏达大学食品、农业与自然资源科学学院,美国圣保罗 55108%吉林农业大学信息技术学院,长春,130118%明尼苏达大学食品、农业与自然资源科学学院,美国圣保罗 55108%吉林农业大学植物保护学院,长春 130118 15.04.2020; 吉林农业大学信息技术学院,长春 130118; 吉林农业大学食药用菌教育部工程研究中心,长春 130118
• Subjects: 植物; 自注意力机制; 动态路由算法; 机器视觉; 模型; 深度学习; 胶囊网络
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2020.08.018

S24%TP391.41; 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.