[發明專利]一種基于多階段訓練的農作物病害長尾圖像識別方法有效
| 申請號： | 202110356903.3 | 申請日： | 2021-04-01 |
| 公開（公告）號： | CN113076873B | 公開（公告）日： | 2022-02-22 |
| 發明（設計）人： | 袁正午;程運興 | 申請（專利權）人： | 重慶郵電大學 |
| 主分類號： | G06V20/10 | 分類號： | G06V20/10;G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京同恒源知識產權代理有限公司 11275 | 代理人： | 趙榮之 |
| 地址： | 400065 *** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 階段 訓練 農作物 病害 長尾 圖像 識別 方法 | ||
1.一種基于多階段訓練的農作物病害長尾圖像識別方法，其特征在于，該方法具體包括以下步驟：
S1：獲取長尾分布的農作物病害數據集，記為原始數據集；所述原始數據集是在自然環境中拍攝的實際數據，未經過人工平衡處理環節，是不均衡的原始數據集；
S2：對原始數據集進行處理，使用CutMix進行數據增強，得到增強數據集；
所述增強數據集是經過CutMix增強后所獲得的數據集，表示為：
xmix = M? xa + (1 - M) ? xb
ymix = λya + (1 - λ)yb
其中，xa和xb是采樣自同一訓練批次的兩個圖像樣本，ya和yb是其對應的標簽值；從xa中裁剪一定大小的區域填充到xb中，M為進行裁剪的二進制掩碼，裁剪區域為1其他區域為0；λ為服從(0,1)均勻分布的隨機數，其中M中裁剪區域的大小隨λ進行變化；
S3：對原始數據集進行處理，使用平衡采樣方法進行采樣，得到平衡數據集；
S4：搭建深度卷積神經網絡模型，其中分類模塊使用DNN作為分類器；
S5：訓練第一階段，先使用原始的數據集輸入到步驟S4搭建的深度卷積神經網絡模型中進行訓練，使CNN模塊學習到原始的數據分布，第一階段訓練完成后保留訓練后的模型；
S6：訓練第二階段，加載第一階段訓練后保存的模型，將增強數據集輸入模型進行第二階段的訓練，完成第二階段的訓練后保留模型；
S7：訓練第三階段，加載第二階段訓練后保存的模型，凍結CNN模塊的參數更新，只更新DNN全連接層網絡參數，使用平衡數據集作為輸入進行第三階段的訓練，完成第三階段的訓練后保存模型。
2.根據權利要求1所述的農作物病害長尾圖像識別方法，其特征在于，步驟S4中，搭建的深度卷積神經網絡模型中，卷積模塊使用Resnet網絡結構，分類模塊使用DNN作為分類器，使用Cross Entropy作為損失函數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶郵電大學，未經重慶郵電大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110356903.3/1.html，轉載請聲明來源鉆瓜專利網。
