Do we really need deep CNN for plant diseases identification?

1、期刊信息

Computers and Electronics in Agriculture

2、研究概况

真的需要深度CNN来识别植物病害吗，深度CNN不能提取足够的信息吗？为了解决这个问题，我们提出了两种方法，即SCNN-KSVM(带核SVM的浅层CNN)和SCNN-射频(带随机森林的浅层CNN)。在三个不同的数据集上进行了与其他深度学习模型的对比实验。结果表明，SCNN-KSVM和SCNN-RF模型在精度、召回率和F1评分等指标上优于其他预处理的深度模型，且参数较少。浅层CNN和经典机器学习分类算法的结合是以简单的方式处理植物病害识别的积极尝试。

在精度、召回率和F1分数等指标上优于其他深度学习模型，参数更少。

3、发展状况介绍

【1】大量的前期工作已经通过处理植物叶片图像和设计一些特定的分类器来将样本分类为健康或疾病图像来考虑这个问题。选择植物叶片图像作为分析数据的原因是，植物叶片通常是大多数植物疾病症状出现的第一个区域(Barbedo，2016年；Barbedo，2019)。
【2】借助计算机科学技术，方法主要有两大类:经典机器学习和深度学习。用于植物病害识别的经典机器学习算法包括k近邻(KNN) (Singh和Kaur，2018)、支持向量机(SVM)(纳伊克和Sivappagari，2016)、随机森林(RF) (Chaudhary等人，2016)等。但是这些经典方法通过各种方式对手工

植物病害鉴定真的需要深度CNN吗？相关推荐

为你解读7大类深度CNN架构创新综述（附论文）
https://www.toutiao.com/a6652648845299679756/ 来源:机器之心本文约3000字,建议阅读6分钟. 本综述将最近的 CNN 架构创新分为七个不同的类别,分别 ...
NeuSomatic：基于深度CNN的肿瘤体细胞突变检测工具
作者丨Peter 单位丨某基因科技公司生物信息工程师研究方向丨生物信息在 3 月 4 号的"Nature"子刊中,展示了利用深度 CNN 来检测体细胞突变的新工具"N ...
dncnn图像去噪_NeuNet2020:BRDNet(开源)使用深度CNN和批量归一化进行图像去噪
最近哈工大的研究团队于2020年在国际著名的人工智能杂志<神经网络>上发表了<利用深度CNN进行批量重正化的图像去噪>. 作者信息在论文中,作者提出了一种新的图像去噪网络,称 ...
谷歌提出深度CNN模型NIMA：帮你挑选清晰且有美感的图片
安妮编译自 Google Research Blog 量子位出品 | 公众号 QbitAI 昨天,谷歌研究人员提出一种深度CNN--NIMA,它能够预测人类认为哪些图像在技术和美学上看起来还不错. ...
你真的了解深度学习生成对抗网络（GAN）吗？
生成对抗网络(GANs,https://en.wikipedia.org/wiki/Generative_adversarial_network)是一类具有基于网络本身即可以生成数据能力的神经网络结构 ...
【时序】时间序列预测真的需要深度学习吗？
论文名称:Do We Really Need Deep Learning Models for Time Series Forecasting 论文下载:https://arxiv.org/abs/2 ...
深度CNN感受野(Receptive Field)的计算
参考如何计算感受野(Receptive Field)--原理 FOMORO AI -> 可视化计算感受野的网站,可以用来验证自己计算的结果 Python代码这里使用的是从后向前的计算方法,简 ...
利用深度迁移学习进行基于图像的植物病害识别
1.论文信息 2.研究概述选择了在ImageNet和Inception模块上预先培训的VGGNet.不是通过随机初始化权重来从头开始训练,而是在大型标记数据集ImageNet上使用预先训练的网络来初 ...
深度学习 CNN卷积神经网络 LeNet-5详解
卷积神经网络( Convolutional Neural Network, CNN): 是一种常见的深度学习架构,受生物自然视觉认知机制(动物视觉皮层细胞负责检测光学信号)启发而来,是一种特殊的多层前 ...

植物病害鉴定真的需要深度CNN吗？

Do we really need deep CNN for plant diseases identification?

1、期刊信息

2、研究概况

3、发展状况介绍

植物病害鉴定真的需要深度CNN吗？相关推荐

最新文章

热门文章