發(fā)布時間：2020-06-18 13:46

【摘要】：基于深度學(xué)習(xí)的植物疾病識別是現(xiàn)代農(nóng)業(yè)研究領(lǐng)域的熱點。事實上,植物疾病發(fā)病率小、發(fā)病周期長、數(shù)據(jù)采集成本高等問題,導(dǎo)致采集數(shù)據(jù)的樣本偏少。而深度學(xué)習(xí)網(wǎng)絡(luò)模型訓(xùn)練依靠大數(shù)據(jù)集,數(shù)據(jù)集過小會影響模型在植物疾病領(lǐng)域的應(yīng)用。但遷移學(xué)習(xí)方法能夠從已知較大的數(shù)據(jù)集上學(xué)習(xí)知識特征,并將知識特征遷移到數(shù)據(jù)相對較少的數(shù)據(jù)集上。然而,對于單樣本數(shù)據(jù)的識別,使用遷移學(xué)習(xí)方法識別精確率較低。本文提出一種基于one-shot學(xué)習(xí)的果蔬疾病識別方法,解決由于果蔬疾病樣本數(shù)量較少,而導(dǎo)致神經(jīng)網(wǎng)絡(luò)模型識別率較低的問題。以公開數(shù)據(jù)集PlantVillage中8類數(shù)據(jù)較少的果蔬疾病圖像作為研究對象。使用焦點損失函數(shù)(focal loss,FL)代替均方誤差損失函數(shù)(mean square error,MSE)訓(xùn)練基于關(guān)系網(wǎng)絡(luò)的果蔬疾病分類器。在訓(xùn)練時,調(diào)節(jié)焦點損失函數(shù)超參數(shù)使模型聚焦于難識別的正樣本,從而提高果蔬疾病識別精確率。在3-way,1-shot任務(wù)中,該方法的識別精確率達到91.64%,相比使用均方誤差損失函數(shù)(mean square error,MSE)的關(guān)系網(wǎng)絡(luò)模型精確率提高1.41%。在5-way,1-shot任務(wù)中,識別精確率提高了 4.69%。與匹配網(wǎng)絡(luò)(Matching Network)和遷移學(xué)習(xí)相比,此方法能有效解決果蔬疾病訓(xùn)練樣本較少導(dǎo)致識別率低的問題。將模型部署到服務(wù)器端,可對小樣本果蔬疾病進行實時識別。
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;S436
【圖文】：

邐２邋Ｏｎｅ－ｓｈｏｔ學(xué)習(xí)相關(guān)技術(shù)邐逡逑數(shù)構(gòu)建不同的分類模型，如無參估計方法Ｋ－緊鄰算法、余弦距離、歐氏距離等學(xué)習(xí)逡逑一種線性的分類器。還有通過自動學(xué)習(xí)端到端的緊鄰算法，生成…個可自動學(xué)習(xí)的線逡逑性分類器。逡逑Ｋｏｒｃｈ邋等（Ｋｏｃｈ邋Ｇ、Ｚｅｍｅｌ邋Ｒ邋等，２０１５）提出具有監(jiān)督的孿生網(wǎng)絡(luò)（Ｓｉａｍｅｓｅ邋Ｎｅｔｗｏｒｋ），逡逑它主要控制輸入數(shù)據(jù)的結(jié)構(gòu)自動學(xué)習(xí)新類別的特征，并將學(xué)習(xí)的新特征應(yīng)用于ｏｎｅ－逡逑ｓｈｏｔ邋學(xué)習(xí)邋。孿生網(wǎng)絡(luò)通過近鄰算法計算不同類別成對圖像的距離，以此判斷成對圖像逡逑是否為同類。孿生網(wǎng)絡(luò)由多個卷積層和池化層組成如圖２．２所示，每個卷積層使用具逡逑有不同濾波器和固定步幅的單通道。網(wǎng)絡(luò)模型使用ＲｅＬＵ邋（ｒｅｃｔｉｆｉｅｄ邋ｌｉｎｅａｒｕｎｉｔｓ）激活逡逑函數(shù)輸出特征映射，最大采樣層的濾波器大小和步幅大小均為２。最后－個卷積層被逡逑平展為一個向量輸入到全連接層，然后計算距離，通過ｓｉｇｍｏｉｄ函數(shù)輸出一個０到１逡逑的概率作為兩個樣本的相似情況。逡逑特征向摪逡逑

Ｆｉｇｕｒｅ邋２．３邋Ｐｒｏｔｏｔｙｐｉｃａｌ邋Ｎｅｔｗｏｒｋ邋ｉｎ邋ｔｈｅ邋ｆｅｗ－ｓｈｏｔ邋ｓｃｅｎａｒｉｏｓ逡逑復(fù)雜的推理機制、復(fù)雜的循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)和微調(diào)嵌入特征。Ｓｕｎｇ等（Ｓｕｎｇ邋Ｆ、Ｙａｎｇ邋Ｙ等，２０１７））模型，此模型能夠通過圖像之間的關(guān)系自動學(xué)習(xí)性分類器，使ｏｎｅ－ｓｈｏｔ學(xué)習(xí)任務(wù)更加簡單。關(guān)系網(wǎng)絡(luò)模塊（ｅｍｂｅｄｄｉｎｇ邋ｍｏｄｕｌｅ）和關(guān)系模塊（ｒｅｌａｔｉｏｎ邋ｄｅ訓(xùn)練策略，避免使用復(fù)雜的循環(huán)神經(jīng)網(wǎng)絡(luò)。孿生學(xué)習(xí)嵌入空間，此嵌入空間使用固定的近鄰算法或系網(wǎng)絡(luò)主要根據(jù)兩個樣本的特征相似情況，推理它，深度學(xué)習(xí)模型需要對模型重新訓(xùn)練。而本文的主模型的條件下，使神經(jīng)網(wǎng)絡(luò)模型自動識別樣本較少一一，

【相似文獻】

相關(guān)期刊論文 前10條

1 郭起捷;;損失函數(shù)在預(yù)測診斷中的應(yīng)用[J];汽車實用技術(shù);2018年18期

2 王娜娜;;相對差損失函數(shù)下的保費估計[J];科技風(fēng);2016年17期

3 李小光;;混合損失函數(shù)支持向量回歸機的性能研究[J];西北大學(xué)學(xué)報(自然科學(xué)版);2011年02期

4 周學(xué)君;彭錦;;關(guān)于ε不敏感損失函數(shù)推廣誤差的界[J];數(shù)學(xué)雜志;2010年03期

5 劉懷東;袁保慶;章賢方;;一種電力用戶停電損失函數(shù)估算方法[J];繼電器;2006年16期

6 武俊芳;淺談對穩(wěn)健設(shè)計中質(zhì)量損失函數(shù)的改進[J];內(nèi)蒙古科技與經(jīng)濟;2005年18期

7 魏世振,韓玉啟,陳傳明;基于信噪比的多元質(zhì)量損失函數(shù)研究[J];管理工程學(xué)報;2004年02期

8 李躍波,周樹民;一種新的損失函數(shù)[J];武漢工業(yè)大學(xué)學(xué)報;1999年04期

9 ;紡織品質(zhì)量波動的買方損失函數(shù)和賣方損失函數(shù)[J];上海紡織科技;1991年02期

10 王曉陵;;損失函數(shù)對反饋參數(shù)的二階導(dǎo)數(shù)快速計算法[J];自動化技術(shù)與應(yīng)用;1987年03期

相關(guān)會議論文 前10條

1 張月義;宋明順;韓之俊;;動態(tài)特性質(zhì)量損失函數(shù)研究[A];質(zhì)量——持續(xù)發(fā)展的源動力：中國質(zhì)量學(xué)術(shù)與創(chuàng)新論壇論文集（下）[C];2010年

2 李靜茹;錢偉民;;ε-不敏感損失函數(shù)下的Bayes估計方法[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 張增明;陳套;丁澤軍;;Mo和Ta的有效電子能量損失函數(shù)[A];2006年全國電子顯微學(xué)會議論文集[C];2006年

4 張?zhí)m;;測量系統(tǒng)不確定度分析及其動態(tài)性研究[A];武漢市第二屆學(xué)術(shù)年會、通信學(xué)會2006年學(xué)術(shù)年會論文集[C];2006年

5 張月義;韓之俊;;基于質(zhì)量損失函數(shù)的控制圖控制界限的優(yōu)化[A];第三屆中國質(zhì)量學(xué)術(shù)論壇論文集[C];2008年

6 張超;簡曉春;梁麗;白廣松;;轉(zhuǎn)向盤力矩特性舒適性損失評價[A];2010中國汽車工程學(xué)會年會論文集[C];2010年

7 李一澤;張冬冬;張亮;代佳;徐盈;;基于人機舒適性的后排乘坐空間研究[A];2019中國汽車工程學(xué)會年會論文集（1）　[C];2019年

8 李春鵬;郭杰;康學(xué)凈;;基于DeepLab的二階段人像分割方法[A];第十三屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2019年

9 劉未鵬;周俊生;黃書劍;陳家駿;;中文共指消解中的聚類全局優(yōu)化[A];中國計算機語言學(xué)研究前沿進展（2007-2009）[C];2009年

10 魏立力;;基于指數(shù)分布壽命特征檢驗的Bayesian停止判別法則[A];2003中國現(xiàn)場統(tǒng)計研究會第十一屆學(xué)術(shù)年會論文集（上）[C];2003年

相關(guān)博士學(xué)位論文 前10條

1 酈博文;兩類模型的統(tǒng)計推斷及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2019年

2 王峰;基于深度學(xué)習(xí)的人臉認證方法研究[D];電子科技大學(xué);2018年

3 周瑜;基于度量學(xué)習(xí)和最大值損失函數(shù)的偏標記學(xué)習(xí)算法研究[D];大連理工大學(xué);2017年

4 艾摩爾;多元重復(fù)測量模型和估計的比較[D];華東師范大學(xué);2004年

5 張月義;質(zhì)量損失函數(shù)與測量系統(tǒng)校準研究[D];南京理工大學(xué);2010年

6 黃維忠;相依風(fēng)險及平衡損失函數(shù)下的信度理論[D];華東師范大學(xué);2013年

7 魏世振　;面向過程波動的質(zhì)量測定與改進方法及其應(yīng)用研究[D];南京理工大學(xué);2003年

8 杜U

本文編號：2719339