申请/专利权人:南京林业大学
申请日:2023-12-15
公开(公告)日:2024-04-16
公开(公告)号:CN117893476A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/084;G06N3/088;G06N3/096
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种基于非对抗性无监督域适应的植物病害检测方法及系统,包括:分别采集实验室环境和田间自然条件下的植物病害图像并标记;使用残差神经网络,对采集的所述植物病害图像进行特征提取并转换为特征图像;构建混合神经网络结构,对所述特征图像学习多表征信息向量并拼接后计算得出分类损失函数;将子域适应方法嵌入到所述混合神经网络结构中度量域间差距;根据所述分类损失函数并引入辅助不确定性正则化得出迁移数据;训练得出最优总损失函数。本发明通过反向传播来有效训练网络,收敛速度较快;构建的混合神经网络结构提高了采集的植物病害图像的准确度,引入的辅助不确定性正则化提高源域向目标域迁移的可靠性,具有良好的泛化能力。
主权项:1.一种基于非对抗性无监督域适应的植物病害检测方法,其特征在于,所述方法包括:分别采集实验室环境和田间自然条件下的植物病害图像,并进行植物病害图像标记;使用残差神经网络,对采集的所述植物病害图像进行特征提取,并转换为特征图像;构建混合神经网络结构,对所述特征图像学习多表征信息向量,并拼接后计算得出分类损失函数;将子域适应方法嵌入到所述混合神经网络结构中度量域间差距;根据所述分类损失函数并引入辅助不确定性正则化得出迁移数据;采样相同数量的所述植物病害图像,根据所述迁移数据训练得出最优总损失函数。
全文数据:
权利要求:
百度查询: 南京林业大学 一种基于非对抗性无监督域适应的植物病害检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。