基于对比学习的多肉植物分类识别方法研究OACSTPCD
Research on Succulent Plant Classification and Recognition Method Based on Contrastive Learning
针对多肉植物种类多,类内差异大、类间差异小,数据难收集,导致传统分类算法不能有效解决多肉植物图像分类的问题,提出一种基于对比学习的多肉植物图像分类网络CL_ConvNeXt.该网络以ConvNeXt为基础结构引入对比学习思想,在网络中间层添加非线性投影层(Projection head)作为辅助分类器来帮助模型对浅层网络进行特征提取;在一个批处理中通过数据增强来构造正样本,将剩余样本看作负样本;将交叉熵损失函数和对比损失函数进行加权计算,重新设计新的损失函数计算方法,实现单阶段模型训练.训练时采用迁移学习将预训练权重迁移到模型中来提高模型训练时的收敛速度,通过优化各种策略和参数来进一步提升模型的识别准确率.结果表明,在自制的190类多肉植物数据集中,在使用相同训练策略和环境配置的情况下,最终模型CL_ConvNeXt对多肉植物图像分类识别准确率达到了 91.79％,较原ConvNeXt模型结构的识别准确率提升了 12.24个百分点,对解决多肉植物图像分类识别问题有较好的效果.
封雨欣;梁少华;童浩
长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023长江大学计算机科学学院,湖北荆州434023
农业科学
多肉植物图像分类对比学习ConvNeXt投影层
SucculentsImage classificationContrastive learningConvNeXtProjection head
《河南农业科学》 2023 (7)
基于多通道信号深度特征挖掘的汽车主减速器智能故障诊断方法研究
154-162,9
国家自然科学基金项目(62006028)
评论