面向苹果叶部病害识别的细粒度蒸馏模型.pdfVIP

下载本文档

3
0
约6.73万字
约 10页
2023-09-04 发布于湖北
举报
版权申诉

面向苹果叶部病害识别的细粒度蒸馏模型.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 39 卷第 7 期农业工程学报 Vol.39 No.7 2023 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2023 185 面向苹果叶部病害识别的细粒度蒸馏模型李大湘，滑翠云，刘颖（西安邮电大学通信与信息工程学院，西安 710121 ）摘要：为了提高轻型卷积神经网络（convolutional neural networks ，CNN ）在苹果叶部病害识别中的精度，使其更加适于布署到智慧农业移动终端，该研究设计了一种细粒度知识蒸馏（fine-grained knowledge distillation ，FGKD ）模型。首先，利用上下文信息与空间-语义关系分别设计了上下文空间注意力（spatial attention，SA）与细粒度特征提取（fine-grained feature extraction ，FGFE ）模块，且将它们嵌入到Resnet50 与设计的轻型 CNN，分别作为教师与学生网络；然后，构造 SA 与 FGFE 知识蒸馏损失函数，以将教师网络中的特征提取与细粒度知识表示能力迁移到学生网络之中，以增强其对苹果叶部病害图像的局部特征提取能力与高层语义表达能力，使轻型学生网络在参数量很小的条件下，其性能接近复杂的教师网络。基于标准苹果叶部病害数据集的对比试验结果表明，经知识蒸馏之后的学生网络精度为 98.60%，模型参数量仅 0.75 MB ，平均推理时间为25.51 ms ，能够有效地满足实际智慧农业移动端对模型的需求，快速准确地实现苹果叶部病害自动识别。关键词：计算机视觉；图像识别；苹果树叶病害识别；细粒度知识蒸馏；上下文空间注意力 doi ：10.11975/j.issn.1002-6819.202211209 中图分类号：TP391.4; S431.9 文献标志码：A 文章编号：1002-6819(2023)-07-0185-10 李大湘，滑翠云，刘颖. 面向苹果叶部病害识别的细粒度蒸馏模型[J]. 农业工程学报，2023，39(7)：185-194. doi ：10.11975/j.issn.1002-6819.202211209 LI Daxiang, HUA Cuiyun, LIU Ying. Identifying apple leaf disease using a fine-grained distillation model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(7): 185-194. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.202211209 苹果叶部病害图像的特征提取能力，其识别准确率达到 0 引言 