基于改進(jìn)Vision Transformer網(wǎng)絡(luò)的農(nóng)作物病害識別方法

摘要： 基于DCNN模型的農(nóng)作物病害識別方法在實(shí)驗(yàn)室環(huán)境下識別準(zhǔn)確率高，但面對噪聲時(shí)缺少魯棒性.為了兼顧農(nóng)作物病害識別的精度和魯棒性，本文在標(biāo)準(zhǔn)ViT模型基礎(chǔ)上加入增強(qiáng)分塊序列化和掩碼多頭注意力，解決標(biāo)準(zhǔn)ViT模型缺乏局部歸納偏置和視覺特征序列的自注意力過于關(guān)注自身的問題.實(shí)驗(yàn)結(jié)果表明，本文的EPEMMSA-ViT模型對比標(biāo)準(zhǔn)ViT模型可以更高效的從零學(xué)習(xí)；當(dāng)添加預(yù)訓(xùn)練權(quán)重訓(xùn)練網(wǎng)絡(luò)時(shí)，... （共7頁）