基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别
文献类型：期刊论文
| 作者 | 曾伟辉2; 李淼2; 李增3; 熊焰3 |
| 刊名 | 电子学报
 |
| 出版日期 | 2019 |
| 卷号 | 47 |
| 关键词 | high-order residual ( HOR) parameter-sharing feedback ( PSF) robustness crop disease recognition 高阶残差 参数共享反馈 鲁棒性 农作物病害识别 |
| ISSN号 | 0372-2112 |
| 英文摘要 | 当前,大部分农作物病害图像识别方法主要关注于精度而忽略了鲁棒性.在面向实际环境时,由于噪声干扰和环境因素影响导致识别精度不高.为此提出了一种高阶残差和参数共享反馈的卷积神经网络模型以应用于实际环境农作物病害识别.其中,高阶残差子网络为病害表观提供丰富细致的特征表达,以提高模型识别精度;参数共享反馈子网络用来进一步抑制原深层特征中的背景噪声,以提高模型的鲁棒性.实验结果表明,当面向实际环境农作物病害识别时,本文方法在识别精度和鲁棒性上均优于其他方法. |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6668646 |
| 源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/51466]  |
| 专题 | 中国科学院合肥物质科学研究院 |
| 作者单位 | 1.中国科学技术大学 2.中国科学院合肥智能机械研究所 3.中国科学院合肥智能机械研究所 4.中国科学技术大学 |
| 推荐引用方式 GB/T 7714 | 曾伟辉,李淼,李增,等. 基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别[J]. 电子学报,2019,47. |
| APA | 曾伟辉,李淼,李增,&熊焰.(2019).基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别.电子学报,47. |
| MLA | 曾伟辉,et al."基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别".电子学报 47(2019). |
入库方式： OAI收割
来源：合肥物质科学研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。