基于注意力机制模型与遗传信息的蘑菇图像识别及距离生成
计算机视觉与模式识别
2022-06-28 v1
摘要
大型真菌即蘑菇的物种鉴定一直是一项具有挑战性的任务。仍有大量有毒蘑菇未被发现，这对人们的生命构成风险。然而，传统鉴定方法需要大量具备分类学领域知识的专家进行人工鉴定，不仅效率低下，而且耗费大量人力与资金成本。本文提出一种基于注意力机制的新模型MushroomNet，其以轻量级网络MobileNetV3为骨干模型，结合我们所提出的注意力结构，在蘑菇识别任务中取得了优异性能。在公开数据集上，MushroomNet模型的测试准确率达到83.9%，在本地数据集上测试准确率达到77.4%。所提注意力机制通过混合通道注意力很好地聚焦于蘑菇图像主体，并通过Grad-CAM可视化注意力热图。进一步，本研究将遗传距离引入蘑菇图像识别任务，以遗传距离作为表示空间，并将数据集中每对蘑菇物种间的遗传距离作为遗传距离表示空间的嵌入，从而预测图像距离与物种。我们发现使用MES激活函数可很好地预测蘑菇遗传距离，但准确率低于SoftMax。所提MushroomNet展现出在蘑菇图像自动与在线识别方面的巨大潜力，所提自动流程将辅助并作为传统蘑菇分类的参考。
引用
@article{arxiv.2206.13383,
title = {Mushroom image recognition and distance generation based on attention-mechanism model and genetic information},
author = {Wenbin Liao and Jiewen Xiao and Chengbo Zhao and Yonggong Han and ZhiJie Geng and Jianxin Wang and Yihua Yang},
journal= {arXiv preprint arXiv:2206.13383},
year = {2022}
}