基于实例置信度推断的半监督小样本植物病害图像识别

打开文本图片集

摘要：植物病害影响农业生产的产量和质量。针对现有小样本植物病害识别方法大多数都是基于监督式学习模型以及少数半监督学习方法未判别伪标注样本的可信度的问题，提出一种基于实例置信度推断的半监督学习小样本植物病害图像识别方法。首先构建ResNet-12网络提取有标注样本和无标注样本的特征;其次利用极少数有标签的植物病害样本训练SVM分类器，用分类器推断无标注样本的类别并赋予伪标签;然后采用实例置信度推断（ICI）算法获取伪标注样本的置信度，迭代选择可信的伪标签样本加入训练拓展支持集;最后应用训练后的网络模型对植物病害图像进行识别。（剩余15119字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。