摘要
本发明涉及一种基于高效参数迁移学习的小样本农作物病虫害识别方法,包括:采集农作物病虫害图像数据并进行预处理;构建预训练模型,包括图像分块嵌入层、模型主干层和模型分类层;使用高效参数迁移范式,对预训练模型进行迁移;将待识别的农作物病虫害图像数据输入训练后的模型,得到识别结果。本发明提高了小样本数据下的识别准确性和泛化能力:通过引入高效参数迁移范式,在少量标注数据的情况下,能够有效适配预训练模型的空间通道维度和特征偏移问题,显著提升模型在小样本农作物病虫害数据上的识别准确性和泛化能力,降低模型训练对大规模标注数据的依赖,增强模型对空间特征差异的适应能力,更好地适应不同农作物病虫害的空间特征差异。
技术关键词
农作物病虫害
预训练模型
识别方法
计算机程序指令
令牌
适配器
图像
参数
通道
样本
少量标注数据
分块
卷积模块
输出特征
全局平均池化
矩阵
处理器
双线性插值
系统为您推荐了相关专利信息
数据清洗方法
计算机程序指令
显著性检测算法
因子
数据清洗系统
融合特征
识别方法
协同注意力
关键点
局部细节特征
漏洞检测方法
多模态信息
对源代码
预训练模型
生成代码
多维特征向量
支持向量机算法
气固流化床
信号
压力