来源：期刊VIP网 时间：
作者：郝月华;吕卫东;张幽迪;冯俊磊;
单位：兰州交通大学数理学院;
摘要：针对复杂背景下棉田昆虫细粒度图像分类问题，提出一种基于多分类自适应聚焦损失函数与双线性卷积神经网络（B-CNN）的研究方法。为更有效地提取图像特征，选取B-CNN作为主干网络，预训练的Inception V3作为特征提取网络，并加入了注意力机制CBAM模块。针对图像数据集类别不平衡的问题，设计了一种多分类自适应聚焦损失函数，提高模型对少数类别的识别能力。此外，在模型训练过程中加入L_2正则化解决模型过拟合问题，使用Reduce LROn Plateau学习率调度器帮助模型达到最优解。实验结果显示，文中模型在验证集上的准确率达到97.52%，在测试集上的准确率达到97.14%，同时损失值、F_1分数等评价指标也均优于其他对比模型。该研究不仅为棉田昆虫的图像分类提供了一种有效的技术手段，也为其他领域的细粒度图像分类问题提供了有益的参考。
关键词：棉田昆虫;;B-CNN;;多分类自适应聚焦损失;;InceptionV3;;CBAM;;细粒度图像分类
基金资助：国家自然科学基金项目：多自由度非光滑脉冲耦合振子的锁频共振与参数振动：分析与计算（11962011）
