面向不平衡数据的木薯叶部病害图像识别方法

打开文本图片集

摘要：

为提高产地环境下木薯叶部病害自动识别的准确性，解决病害图像低对比度和数据长尾分布问题，建立一种深度学习模型SwinTFCC用于木薯叶部病害识别。该模型采用Swin Transformer作为骨干网络，借助Swin Transformer的自注意力机制和层级结构关注局部与全局特征，使其对复杂背景病害识别具有鲁棒性；将最后一层特征输入特征簇压缩模块，以映射稀疏特征簇为稠密特征簇，减少长尾分布中样本少的类别稀疏特征簇跨越决策边界导致分类错误情况；并采用迁移学习在木薯叶部病害图像数据集上进行训练，以提升木薯叶部病害识别性能。（剩余16431字）