【技术实现步骤摘要】
本专利技术属于植物品种，更为具体地讲，涉及一种基于成对特征学习的细粒度植物品种识别方法。
技术介绍
1、植物品种鉴别都是品种产权保护和新品种培育研究中十分感兴趣的领域。传统方法鉴别植物品种要求育种者拥有专业的育种知识和丰富的经验，具有门槛高、效率低和不稳定的准确率等缺点。数十年来，为了鉴别植物品种，植物品种鉴定领域出现了多种不同的分子标记方法，这些方法往往涉及复杂的实验操作步骤，需要一定的专业技能水平，实验耗时，如农民等普通农业工作者，几乎无法使用。所以，我们亟需一种简单、快捷且准确的植物品种鉴别方法。
2、叶片在植物学家识别植物的物种时起到了重要的作用，使用计算机视觉的方法从叶片图片中提取叶片的特征来对叶片进行分类是一个理想的方法。一方面植物叶片的形状、纹理和叶脉特征相比较植物的其他部分来说更加持久且好辨别，已经在植物分类学和植物物种鉴定中广泛运用。另一方面，经过训练的端到端计算机视觉模型可以快速并准确的分类目标图像，使用者无序知晓其内部的执行原理即可简单快捷的获得分类结果。
3、到目前为止已经报道了很多基于叶...
【技术保护点】
1.一种基于成对特征学习的细粒度植物品种识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的细粒度植物品种识别方法，其特征在于，所述步骤S2中特征提取模块包括下采样模块，下采样图像卷积神经网络，中心裁剪模块，中心图像卷积神经网络和特征拼接模块，其中：
3.根据权利要求1所述的细粒度植物品种识别方法，其特征在于，所述步骤S3中互注意力学习模块包括正样本特征强化模块，正样本多层感知机，正样本Sigmoid模块，负样本特征强化模块，负样本多层感知机，负样本Sigmoid模块和特征融合模块，其中：
【技术特征摘要】
1.一种基于成对特征学习的细粒度植物品种识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的细粒度植物品种识别方法，其特征在于，所述步骤s2中特征提取模块包括下采样模块，下采样图像卷积神经网络，中心裁剪模块，中心图像卷积神经网络和特征拼接模块...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。