科學(xué)島新聞網(wǎng)
科學(xué)島新聞網(wǎng)
近期，中國(guó)科學(xué)院合肥物質(zhì)院智能所陳雷副研究員團(tuán)隊(duì)提出一種基于融合注意力機(jī)制改進(jìn)的水稻病害圖像域自適應(yīng)識(shí)別方法，該研究成果發(fā)表在農(nóng)林科學(xué)領(lǐng)域期刊Computers and Electronics in Agriculture上。
近年來(lái)，遷移學(xué)習(xí)在小樣本的作物病害害圖像識(shí)別任務(wù)中得到了廣泛的研究。然而當(dāng)目標(biāo)域與源域數(shù)據(jù)集存在較大數(shù)據(jù)分布差異時(shí)，使用遷移學(xué)習(xí)難以取得良好的效果。針對(duì)該問(wèn)題，科研團(tuán)隊(duì)以小樣本水稻病害圖像識(shí)別為例，提出了一種基于注意力機(jī)制的領(lǐng)域自適應(yīng)圖像識(shí)別方法。首先，該方法優(yōu)化了水稻病害圖像特征在神經(jīng)網(wǎng)絡(luò)中的權(quán)重分配，使得注意力機(jī)制能夠更加關(guān)注與病害密切相關(guān)的特征；其次，將這種注意力機(jī)制與領(lǐng)域自適應(yīng)網(wǎng)絡(luò)融合，通過(guò)減小數(shù)據(jù)集之間的特征分布差異，進(jìn)而提高圖像識(shí)別準(zhǔn)確率；最后，為驗(yàn)證所提出方法的有效性設(shè)計(jì)了對(duì)比試驗(yàn)。
研究結(jié)果表明，該方法可有效解決目標(biāo)域與源域數(shù)據(jù)分布差異較大時(shí)導(dǎo)致的圖像分類準(zhǔn)確率不高的問(wèn)題，且在源域數(shù)據(jù)集數(shù)據(jù)逐漸降低時(shí)，本研究方法依舊能夠維持較高且穩(wěn)定的準(zhǔn)確率，在三個(gè)常用的域自適應(yīng)模型上分別實(shí)現(xiàn)了91.25%、91.5%和95.25%的圖像識(shí)別準(zhǔn)確率。同時(shí)，該研究成果為小樣本條件下的作物病害圖像識(shí)別提供了一種新的方法。
本研究工作得到國(guó)家自然科學(xué)基金項(xiàng)目的支持。
原文鏈接：https://doi.org/10.1016/j.compag.2023.107806
圖1 基于CPAM的域自適應(yīng)網(wǎng)絡(luò)
圖2 不同注意力機(jī)制下的CAM可視化示例
科學(xué)島報(bào)
科學(xué)島視訊