基于坐标注意力的多尺度轻量级苹果叶片病害识别模型

打开文本图片集

摘要：为解决传统神经网络参数量大、无法满足资源有限的移动设备对苹果叶片病害的识别需求，提出一种基于坐标注意力的多尺度轻量级模型CA—MobileNetV2。首先，将MobileNetV2倒残差中3×3的卷积替换成多尺度特征融合模块（MMF—module），在不增加参数量的前提下，引入空洞卷积增大感受野，以捕捉丰富的多尺度细节信息，增强网络对细节信息和语义信息提取能力；其次，引入坐标注意力机制自适应地学习不同位置的特征权重，增强对苹果叶片病害区域的感知能力；最后，针对模型训练中的梯度消失问题，改进MobileNetV2的分类器，并引入Leaky ReLU激活函数。（剩余17288字）