一种高效轻量型害虫识别卷积神经网络——ExquisiteNet
计算机视觉与模式识别
2021-07-16 v1
摘要
如今，由于人口快速扩张，粮食短缺已成为关键问题。为稳定粮食来源生产，防止作物遭受害虫侵害十分重要。通常农民使用农药杀灭害虫，然而不当使用农药也会杀死如蜜蜂等有益于作物的昆虫。若蜜蜂数量过少，全球粮食补给将出现短缺。此外，过量农药将严重污染环境。因此，农民需要一种能自动识别害虫的机器。近来，深度学习因在图像分类领域的有效性而广受欢迎。本文提出一种称为ExquisiteNet的小型高效模型来完成害虫识别任务，并期望将模型应用于移动设备。ExquisiteNet主要由两个模块组成：一是带挤压-激励瓶颈块的双重融合块（DFSEB块），二是最大特征扩展块（ME块）。ExquisiteNet仅有0.98M参数且计算速度极快，几乎与SqueezeNet相当。为评估模型性能，我们在名为IP102的基准害虫数据集上测试模型。相较于ResNet101、ShuffleNetV2、MobileNetV3-large与EfficientNet等许多最先进（SOTA）模型，我们的模型在IP102测试集上无任何数据增强即达到更高准确率，为52.32%。
引用
@article{arxiv.2107.07167,
title = {An Efficient and Small Convolutional Neural Network for Pest Recognition -- ExquisiteNet},
author = {Shi-Yao Zhou and Chung-Yen Su},
journal= {arXiv preprint arXiv:2107.07167},
year = {2021}
}
备注
4 pages