KMeans++與注意力機(jī)制融合的蘋果葉片病害識別方法

摘要： 為解決復(fù)雜環(huán)境下小尺度蘋果葉片病害識別精度不高、魯棒性不強(qiáng)的問題，在YOLO v5s的基礎(chǔ)上提出一種新的改進(jìn)方法。該方法首先在模型訓(xùn)練之前使用KMeans++聚類算法生成更接近真實框的錨框；其次在骨干網(wǎng)絡(luò)中加入卷積塊注意幾模塊(convolutional block attention module, CBAM),來提升復(fù)雜環(huán)境下小目標(biāo)特征的提取能力；再次為了增強(qiáng)頸部網(wǎng)絡(luò)對不同... （共9頁）