为了更准确地检测茶叶病害,从3个不同的视角重新审视特征图:通道-宽度、通道-高度以及宽度-高度视角。基于通道-高度视角及通道-宽度视角,提出了一种新的残差多尺度增强注意力模块,提取病害图像的语义信息和空间特性。同时,从3个视角出发,提出了一种新的基于三重注意力的特征融合增强模块,对通道和空间特征进一步融合,以提高模型对叶片和病害的区分能力。实验结果表明,改进后的模型实现了95.2%的mAP、93.1%的精度、92.0%的召回率,优于现有的检测方法。
为了更准确地检测茶叶病害,从3个不同的视角重新审视特征图:通道-宽度、通道-高度以及宽度-高度视角。基于通道-高度视角及通道-宽度视角,提出了一种新的残差多尺度增强注意力模块,提取病害图像的语义信息和空间特性。同时,从3个视角出发,提出了一种新的基于三重注意力的特征融合增强模块,对通道和空间特征进一步融合,以提高模型对叶片和病害的区分能力。实验结果表明,改进后的模型实现了95.2%的mAP、93.1%的精度、92.0%的召回率,优于现有的检测方法。
您还没有登录,请登录后查看详情
|