利用可分离卷积UNet进行木薯叶病分类
1、研究内容
在这项工作中,我们开发并训练了深度学习模型,用于将木薯叶片疾病分割和分类为枯萎病或花叶病。作为非洲第二大碳水化合物供应商,木薯是小农种植的一种关键粮食安全作物,因为它能承受恶劣的环境。在撒哈拉以南非洲,至少80%的家庭农场种植这种淀粉根茎,但病毒性疾病是低产量的主要来源。我们这里的重点是发生在尼日利亚的两种主要木薯疾病,即木薯花叶病(CMD)和木薯细菌性白叶病(CBBD)。在一天中不同时间采集的21397张木薯叶图像中,包含了不同程度的症状表现,共训练了5类46个模型。一个模型诊断出健康叶片,另一个模型检测出诊断为不健康叶片时叶片上存在的疾病,两个最准确的模型被输出。采用5倍交叉验证测试了用于健康诊断的可分离卷积UNet模型和用于疾病检测的可分离卷积UNet模型,准确率分别为83.9%和61.6%。
2、研究相关
木薯是非洲最重要的粮食作物之一。三大洲,非洲,亚洲和拉丁美洲生产大量的木薯根。在热带世界,特别是非洲,超过5亿人依靠木薯作为他们的主要主食之一。在亚洲和拉丁美洲,产品主要用作工业原料、动物饲料或出口市场。在非洲,大部分的农产品是人类赖以为生的食物。木薯是撒哈拉以南非洲某些地区最重要的粮食保障作物之一,在一些国家已证明是最可靠的作物,是抵御饥荒的最后一道防线。在过去的十年里,木薯的种植不仅是为了撒哈拉以南非洲的人类消费,而且还为依赖于根部产品(尤其是淀粉)的新兴产业提供原材料。
木薯能够在贫瘠的土壤上茁壮成长,这使它在非洲比山药和其他块根、块茎、谷物或豆类更具优势。在未来的许多年里,木薯将继续是数百万人的重要碳水化合物来源,尤其是非洲农村和城市的穷人。因此,必须比目前更有效地管理木薯,以提高单位面积产量,确保生产的木薯根
利用可分离卷积UNet进行木薯叶病分类相关推荐
- Kaggle Cassava Leaf Disease Classification 木薯叶疾病分类竞赛
题目描述 kaggle挑战赛题目,构造一个分类模型,准确的识别出图像中木薯叶子感染的具体疾病. 详情可以参考链接:Cassva Leaf Disease Classification 木薯叶1 任务就 ...
- Kaggle新赛:木薯叶疾病分类
介绍一个Kaggle近日新上的比赛,关于图像分类的,既解决实际问题,又容易参与,欢迎参赛. ●赛题背景● 作为非洲第二大碳水化合物供应者,木薯是小农户种植的关键选择,因为它能经受住恶劣的条件.在撒哈拉 ...
- 使用EfficientNet深度学习模型对植物叶病进行分类
使用EfficientNet深度学习模型对植物叶病进行分类 1.研究内容 研究中,提出了EfficientNet深度学习架构用于植物叶病分类,并将该模型的性能与其他最新的深度学习模型进行了比较. Ef ...
- 【深度学习】利用深度可分离卷积减小计算量及提升网络性能
[深度学习]利用深度可分离卷积减小计算量及提升网络性能 文章目录 1 深度可分离卷积 2 一个深度可分离卷积层的代码示例(keras) 3 优势与创新3.1 Depthwise 过程3.2 Point ...
- 利用深度卷积模型对巴拉科咖啡叶疾病进行分类
A B S T R A C T 本文介绍了最新的深度卷积模型(DCM)在巴拉科叶病害分类中的应用.几个选定的dcm使用迁移学习和微调,以及数据预处理和增强来执行图像分类任务.收集的数据集使用总数为46 ...
- Lesson 16.1016.1116.1216.13 卷积层的参数量计算,1x1卷积核分组卷积与深度可分离卷积全连接层 nn.Sequential全局平均池化,NiN网络复现
二 架构对参数量/计算量的影响 在自建架构的时候,除了模型效果之外,我们还需要关注模型整体的计算效率.深度学习模型天生就需要大量数据进行训练,因此每次训练中的参数量和计算量就格外关键,因此在设计卷积网 ...
- 【Pytorch神经网络理论篇】 32 PNASNet模型:深层可分离卷积+组卷积+空洞卷积
1 PNASNet模型简介 PNASNet模型是Google公司的AutoML架构自动搜索所产生的模型,它使用渐进式网络架构搜索技术,并通过迭代自学习的方式,来寻找最优网络结构.即用机器来设计机器学习 ...
- 深度可分离卷积(Xception 与 MobileNet)
前言 从卷积神经网络登上历史舞台开始,经过不断的改进和优化,卷积早已不是当年的卷积,诞生了分组卷积(Group convolution).空洞卷积(Dilated convolution 或 À tr ...
- 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?+深度可分离卷积详解
目录 常规卷积操作 深度可分离卷积 = 逐通道卷积+逐点卷积 1.逐通道卷积 2.逐点卷积 参数对比 介绍 实验 代码清单 一些轻量级的网络,如mobilenet中,会有深度可分离卷积depthwis ...
最新文章
- 2021阿里技术人的成长路径!
- etc下没有mysql_我在linux下,安装mysql的时候,cp support-files/my-medium.cnf /etc/my.cnf找不到my-medium.cnf...
- AOP开发——在不修改源代码的前提下,对类里面的方法进行增强 : 前置 后置 环绕 异常||如何得到目标方法的参数和返回值
- S5PV210开发 -- 通信
- Linux第二周学习笔记(5)
- SDUT -2605 A^X mod P(数论+思维)
- c++图形中如何判断鼠标点击在一条直线上_中考数学常考题型精讲精练系列:函数图象上点的存在性问题中的距离与面积...
- thinkcmf 横向排列数据_利用python进行数据分析之数据清洗规整
- 认识计算机硬件实验项目,实验1 认识计算机的硬件与硬件组装
- (转)全文检索技术学习(二)——配置Lucene的开发环境
- Spring Cloud 配置中心中的native配置
- ASP.NET URL Routing
- 编程时遇到问题的解决方向
- 12.SpringBoot集成微信公众号开发
- 一个互联网研发团队的标准配置
- c语言et1什么意思,et cetera是什么意思.如何正确使用 “etc.”
- Qt三方库开发技术:二维码生成、识别以及条码识别
- vue3的逻辑复用抽离
- 金标股份冲刺A股上市:计划募资约6亿元,许光荣为董事长
- 4g手机关闭4g信号显示无服务器,手机4G信号栏为什么突然出现“HD”?原来开通了这个业务,望周知...
热门文章
- 蜡染印花的跟踪印花与二次整纬
- markdown转换html源码,利用Nodejs+Express将Markdown转换为HTML(附源码)
- 浅谈SpringMVC之DispatcherServlet
- 黑客攻击公司化:网络犯罪也有商业模式也有CEO
- 《深入理解并行编程》中文版
- 一个或多个音频服务未运行 win7 错误1079:此服务的账户不同于运行于同一进程上的其他服务账户...
- XML与Web Service基础知识点
- 对于软件测试四大误区的认识
- 华为云服务器怎样让网站显示不出来,云服务器网页不显示图片
- PHP九宫格翻牌抽奖,PHP 九宫格抽奖代码