龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：厦门大学
摘要：本发明公开了一种基于小样本学习的农作物病虫害识别装置，涉及机器学习技术领域，包括LitePlantProto的模型架构，LitePlantProto的模型架构包括CSASFF模块和LEAM模块，LEAM模块包括DBCAM模块和ESAM模块；本发明通过构建LitePlantProto的模型架构，该模型采用轻量级的主干网络，引入自适应空间特征融合聚合多尺度特征，避免特征冗余及多尺度特征间相互干扰。此外，本发明提出轻量级的高效注意力模块，从通道和空间维度进一步挖掘图像的显著性信息。实验结果表明，与当前领域内最先进的模型进行对比，识别准确率得到了不同程度的提升。
主权项：1.一种基于小样本学习的农作物病虫害识别装置，其特征在于：包括LitePlantProto的模型架构，LitePlantProto的模型架构包括CSASFF模块和LEAM模块，LEAM模块包括DBCAM模块和ESAM模块；LitePlantProto采用ShuffleNetV2-x2作为backbone，保留网络的Conv1至Stage4，移除了Stage4之后的全局池化层和全连接层，LitePlantProto应用CSASFF模块对backbone的Stage2、Stage3和Stage4的输出特征进行多尺度特征融合，多尺度融合特征公式为：Y＝CSASFFFstage2,Fstage3,Fstage41其中Y表示多尺度融合特征，Fstage2、Fstage3和Fstage4表示backbone不同阶段输出的特征；LitePlantProto在CSASFF模块后连接上LEAM模块，通过LEAM模块中的DBCAM模块和ESAM模块的协同运作。
全文数据：
权利要求：
百度查询： 厦门大学 一种基于小样本学习的农作物病虫害识别装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号