基于改进EfficientNet的木材识别研究

打开文本图片集

摘 要：木材是一种常见的可再生资源，不同品种的木材有着不同的用途和商业价值。传统的木材分类工作主要依靠人工完成，工作效率较低。为提高木材识别效率，提出一种基于改进EfficientNet的木材识别方法。该方法以EfficientNet 作为基准模型，采用大核注意力模块代替部分移动翻转瓶颈卷积（Mobile Inverted Bottleneck Convolution， MBConv）模块中的压缩激励网络（squeeze-and-excitation networks， SENet），联合2种注意力机制使网络能更有效地提取木材细粒度信息。（剩余13680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。