典型文献
基于全局自注意力的小麦图像识别
文献摘要：
在实际应用场景下,通过图像识别的方式来识别小麦的病虫害具有极大的挑战性.与以往纯粹基于卷积神经网络(Convolutional Neural Network,CNN)的方法相比,将小麦图像转换成一系列视觉语言,并从全局视角进行小麦识别的方法是更可行和实用的.运用Convolutional Visual Transformers(CVT)来解决小麦识别分为2个环节.首先,利用2分支CNN生成的2种特征图来实现注意选择性融合(Attentional Selective Fusion,ASF).ASF通过融合多个特征和全局-局部注意力来获取有区别的信息,并投射成一系列的视觉语言.其次,受Transformers在自然语言处理方面的成功启发,用全局自注意力来建模这些视觉语言之间的关系.将CVT与经典分类网络LeNet-5、ResNet-18、VGG-16、EfficientNet对比,识别率有所提升,同时该方法具有良好的泛化能力.
文献关键词：
小麦识别;全局-局部注意;Transformer;全局自注意力
中图分类号：
作者姓名：
何晨曦;王正勇;卿粼波;何小海;吴小强
作者机构：
四川大学电子信息学院,四川 成都 610065
文献出处：
引用格式：
[1]何晨曦;王正勇;卿粼波;何小海;吴小强-.基于全局自注意力的小麦图像识别)[J].计算机与现代化,2022(04):38-44
A类：
B类：
全局自注意力,图像识别,病虫害,纯粹,Convolutional,Neural,Network,图像转换,转换成,视觉语言,小麦识别,Visual,Transformers,CVT,特征图,选择性融合,Attentional,Selective,Fusion,ASF,局部注意力,投射,射成,自然语言处理,分类网络,LeNet,ResNet,VGG,EfficientNet,识别率,泛化能力
AB值：
0.406969
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
