基于DCP-ShuffleNetV2的輕量級森林害蟲識別方法

打開文本圖片集

摘要：

針對現(xiàn)有害蟲識別模型復(fù)雜度高、計算量和參數(shù)量巨大的問題，提出一種基于DCP-ShuffleNetV2的輕量級森林害蟲識別模型。該模型主要從特征提取、特征融合、輕量化方面進(jìn)行改進(jìn)。首先通過引入金字塔分割注意力模塊PSA提取多尺度的空間信息和跨通道依賴關(guān)系，有效地學(xué)習(xí)上下文信息；其次將基準(zhǔn)網(wǎng)絡(luò)模型ShuffleNetV2的Stage模塊修改為CSP結(jié)構(gòu)，增強(qiáng)特征融合能力；將模型的普通卷積替換為動態(tài)卷積，壓縮模型參數(shù)量和計算量。（剩余17403字）