基于輕量化CBAM—GoogLeNet的辣椒病蟲害識(shí)別

打開文本圖片集

摘要：針對(duì)GoogLeNet模型在自然環(huán)境下進(jìn)行辣椒葉片病蟲害識(shí)別時(shí)存在網(wǎng)絡(luò)參數(shù)多、模型內(nèi)存大以及訓(xùn)練時(shí)間長的問題，提出一種融合CBAM機(jī)制的輕量化GoogLeNet模型（CBAM—GoogLeNet）。采用CBAM注意力機(jī)制替換Inception（4b）和Inception（4c）模塊，將該注意力機(jī)制插入到平均池化層之后，在全連接層中添加L2正則化，達(dá)到減小訓(xùn)練模型和縮短訓(xùn)練時(shí)長的目的，同時(shí)保證網(wǎng)絡(luò)模型的高準(zhǔn)確率和驗(yàn)證率，并結(jié)合MATLAB平臺(tái)設(shè)計(jì)一款可視化的辣椒病蟲害識(shí)別系統(tǒng)。（剩余11255字）