基于DeepLabV3+的农作物病害识别算法

郝艳艳

doi:10.15966/j.cnki.dnydx.2023.z1.005

电脑与电信 >

2023 , Vol. 1 >Issue 1-2: 50

DOI: https://doi.org/10.15966/j.cnki.dnydx.2023.z1.005

基金项目

基于DeepLabV3+的农作物病害识别算法

展开

河南工业贸易职业学院信息工程学院

网络出版日期: 2023-05-30

收起

摘要

针对自然背景下农作物病害识别效果欠佳的问题，提出一种改进的DeepLabV3+算法来提升在自然背景下农作物病害的识别准确率。论文所做的贡献主要是在DeepLabV3+模型的编码器阶段输出特征图之前加入通道注意力机制，在解码器阶段的输入特征图之前加入空间注意力机制，之后按照卷积神经网络的拼接方法将二者进行拼接，以实现高级特征和低级特征的有效融合。实验结果显示，改进后的算法对实验数据的识别准确率和召回率均有一定成程度的提升，具有较高的实际应用价值。

本文引用格式

郝艳艳 . 基于DeepLabV3+的农作物病害识别算法[J]. 电脑与电信, 2023 , 1(1-2) : 50 . DOI: 10.15966/j.cnki.dnydx.2023.z1.005

Options

摘要页面

文章导航

模态框（Modal）标题

河南工业贸易职业学院信息工程学院

摘要

本文引用格式