19、蘑菇疾病分类与农田防护的深度学习与智能解决方案

蘑菇疾病分类与农田防护的深度学习与智能解决方案

蘑菇疾病分类的深度学习模型

1. 模型架构介绍

1.1 AlexNet

AlexNet的架构包含多个层次。第四层由池化层监督，第五层由三个全连接层监控。通过随机梯度下降算法优化整个成本函数，在AlexNet架构的反向传播优化过程中提取卷积核。卷积层通过滑动卷积核对输入特征图进行处理，生成卷积特征图。池化层则通过总结特征图部分区域的特征存在情况，对特征图进行下采样，常见的池化算法有平均池化和最大池化。AlexNet有效的原因部分归功于ReLU非线性层和Dropout正则化策略。

1.2 ResNet15

ResNet15通过增加网络深度来加速收敛和提高精度。其残差模块有两种基本堆叠模式：
- Identity Block (IB) ：输入和输出尺寸相似，可串联连接。
- Conv Block (CB) ：输入和输出尺寸不同，不能串联，其作用是通过1x1卷积层改变特征向量分量。

ResNet15的具体架构如下表所示：
| 层名称 | 形状 | 输出 |
| — | — | — |
| Conv1MaxPooling | [7x7]:32/2 [3x3]/2 | [112x112]:32 [56x56]:32 |
| Conv2_x | [1x1]:32 [3x3]:32 [1x1]:64 CB 3 1/2 | [28x28]:64 |
| Conv3_x | [1x1]:64 [3x3]:64 [1x1]:128 CB 3