摘要
一种基于生成对抗式半监督学习的农作物病害分割方法、系统、设备及介质,该方法以Deeplabv3+为基础架构,并引入生成对抗网络的对抗性训练机制,其中Deeplabv3+作为分割网络生成病害区域的预测图像,而判别网络则负责区分生成的预测图像与真实标注图像,通过两者的对抗学习提高预测准确性;通过引入半监督损失函数,并结合标准交叉熵损失和对抗损失,以便在有限的标注数据下优化模型性能,提升农作物病害的分割能力;结合仿真试验证明生成对抗式半监督分割模型(semi)在利用无标签数据进行训练方面的有效性,能够在标注数据有限的情况下依然保持较高的分割性能,具有精度高、人力消耗低的优点。
技术关键词
农作物病害
分割方法
图像
无标签数据
高维特征向量
对抗性
生成对抗网络
深度卷积神经网络
解码器
空间金字塔
编码器
表达式
模块
可读存储介质
分割设备
存储计算机程序
分割系统