基于改进残差网络的果实病害分类方法

• 作者: 王佳 王沁 田军委 程希希 肖经纬
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 残差网络 图像分类 果实病害 损失函数
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 图形图像处理
• 页码范围: 221-225
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056094

摘要

传统的残差网络在果实病害分类中存在层数较多,以及在实际应用中有参数冗余的问题,且原始损失函数对具有相似特征的病害容易造成错误识别.为解决果害分类中参数过多及相似样本区分度低的问题,提出一种改进的残差网络结构,以降低残差块数量与卷积核数量来减少卷积层参数.同时,在原始损失函数中加入类间相似惩罚项来扩大不同类间距,以提高对病害的分类准确率.实验结果表明,相比原始的残差网络,改进后的残差网络降低约25％的参数量,改进后损失函数的识别准确率达到92.76％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田军委		70	481	9.0	19.0
2	王沁		26	34	2.0	4.0
3	王佳		20	72	4.0	8.0
4	肖经纬		1	0	0.0	0.0
5	程希希		2	0	0.0	0.0