基于轻量化CBAM—GoogLeNet的辣椒病虫害识别

打开文本图片集

摘要：针对GoogLeNet模型在自然环境下进行辣椒叶片病虫害识别时存在网络参数多、模型内存大以及训练时间长的问题，提出一种融合CBAM机制的轻量化GoogLeNet模型（CBAM—GoogLeNet）。采用CBAM注意力机制替换Inception（4b）和Inception（4c）模块，将该注意力机制插入到平均池化层之后，在全连接层中添加L2正则化，达到减小训练模型和缩短训练时长的目的，同时保证网络模型的高准确率和验证率，并结合MATLAB平台设计一款可视化的辣椒病虫害识别系统。（剩余11255字）