公开(公告)号：CN113159171A

公开(公告)日：2021-07-23

申请号：CN202110423483.6

申请日：2021-04-20

Applicant: 复旦大学

Inventor： 金城 ,  靳璐瑞 ,  吴渊

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明属于图像分类技术领域，具体为一种基于对抗学习的植物叶片图像细分类方法。本发明通过将植物叶片图像多次分割打乱之后作为样本训练植物叶片图像细分类模型；最后将植物叶片图像经过同样的多重打乱操作之后输入到训练好的网络模型，计算并输出植物图片的细分类结果。相比于现有的植物细分类方法，本发明所提出的方法可以提取图片的多个粒度的特征，另外引入的全局上下文块可以融合图像的全局和局部特征，提高了网络融合多个粒度的特征的能力。

公开(公告)号：CN113159171B

公开(公告)日：2022-07-22

申请号：CN202110423483.6

申请日：2021-04-20

Applicant: 复旦大学

Inventor： 金城 ,  靳璐瑞 ,  吴渊

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11

Abstract: 本发明属于图像分类技术领域，具体为一种基于对抗学习的植物叶片图像细分类方法。本发明通过将植物叶片图像多次分割打乱之后作为样本训练植物叶片图像细分类模型；最后将植物叶片图像经过同样的多重打乱操作之后输入到训练好的网络模型，计算并输出植物图片的细分类结果。相比于现有的植物细分类方法，本发明所提出的方法可以提取图片的多个粒度的特征，另外引入的全局上下文块可以融合图像的全局和局部特征，提高了网络融合多个粒度的特征的能力。