基于DCP-ShuffleNetV2的轻量级森林害虫识别方法
打开文本图片集
摘要：
针对现有害虫识别模型复杂度高、计算量和参数量巨大的问题，提出一种基于DCP-ShuffleNetV2的轻量级森林害虫识别模型。该模型主要从特征提取、特征融合、轻量化方面进行改进。首先通过引入金字塔分割注意力模块PSA提取多尺度的空间信息和跨通道依赖关系，有效地学习上下文信息；其次将基准网络模型ShuffleNetV2的Stage模块修改为CSP结构，增强特征融合能力；将模型的普通卷积替换为动态卷积，压缩模型参数量和计算量。（剩余17403字）