典型文献
融合高效注意力的重楼微性状鉴别方法研究
文献摘要：
重楼是多种中成药的重要原料药材,重楼属植物不同品种药材的形状相似而品质不一,难以鉴别.针对该问题,通过体视显微镜采集滇重楼及毛重楼的新鲜根茎横切面显微图像进行鉴别.基于ResNeXt101模型,提出了结合高效通道注意力网络与空间注意力机制的ES-Net模块,将每部分ResNeXt模块的输出进一步输入到ES-Net模块中,并使用Mixup方法进行数据增强.实验结果显示改进的模型对两种重楼根茎横切面图像的分类精度最高,为94.95％,比原ResNeXt101模型提高了2.07个百分点.实验结果表明,提出的ES-Net模块能有效增强原模型ResNeXt101对重楼新鲜根茎横切面图像的特征提取能力,提高对其的分类精度,提出的深度学习方法对重楼新鲜根茎自动鉴别具有实用价值.
文献关键词：
重楼;深度学习;注意力机制;ResNeXt101模型;Mixup
中图分类号：
作者姓名：
罗旭东;李宗桂;张俊华;李学芳;于文涛
作者机构：
云南大学 信息学院,昆明 650500;云南中医药大学 中药学院,昆明 650500
文献出处：
引用格式：
[1]罗旭东;李宗桂;张俊华;李学芳;于文涛-.融合高效注意力的重楼微性状鉴别方法研究)[J].计算机工程与应用,2022(13):272-279
A类：
B类：
微性状,性状鉴别,鉴别方法,中成药,原料药,重楼属,不同品种,体视显微镜,滇重楼,毛重,根茎,横切面,显微图像,ResNeXt101,高效通道注意力,注意力网络,空间注意力机制,ES,Net,每部,出进,Mixup,数据增强,分类精度,百分点,特征提取能力,深度学习方法,自动鉴别,别具
AB值：
0.353537
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。
