基于多轴注意力双通道神经网络模型的食草动物粪便分析方法

• Published in: 野生动物学报 Vol. 44; no. 3; pp. 531 - 540
• Main Authors: 马光凯, 邓雯心, 杨飞飞, 包衡, 姜广顺
• Format: Journal Article
• Language: Chinese
• Published: 东北林业大学机电工程学院,哈尔滨,150040 01.08.2023; 国家林业和草原局猫科动物研究中心,东北林业大学野生动物与自然保护地学院,哈尔滨,150040%东北林业大学机电工程学院,哈尔滨,150040%国家林业和草原局猫科动物研究中心,东北林业大学野生动物与自然保护地学院,哈尔滨,150040; Editorial Department of Chinese Journal of Wildlife
• Subjects: 多轴注意力; 深度学习; 特征融合; 粪便显微分析; Deep learning; 特征融合; 深度学习; Feature fusion; 粪便显微分析; Multi-axis attention; Fecal microscopic analysis; 多轴注意力
• ISSN: 2310-1490
• DOI: 10.12375/ysdwxb.20230307

TP183; 针对使用粪便显微分析法时对食草动物粪便中植物表皮细胞人工分类困难且效率低的问题,提出一种基于多轴注意力的双通道神经网络分类方法,用于自动识别显微镜下食草动物粪便中残留的植物表皮细胞种类.首先,获取粪便中残留的植物表皮细胞图像,作为神经网络模型的输入;引入多轴注意力机制提高网络特征提取能力,同时降低注意力导致的计算复杂度;构建局部和全局通道,提高网络对植物表皮细胞图像信息的获取能力;最后将2个通道提取的特征进行融合,完成对植物种类的识别.此外,应用移动倒置瓶颈卷积(MBConv)模块进行模型的轻量化处理,减少模型参数和计算量,进而提高识别效率.结果表明:基于多轴注意力的双通道神经网络分类方法具有更优的分类性能,对植物表皮细胞种类识别的准确率高达86.46%,为实现高效率、智能化的食草动物粪便分析方法提供了技术支撑.本研究构建的网络模型及相关代码已开源,具体内容参见https://github.com/togo11/classification.