RAFA-Net：用于食品与农业压力识别的区域注意力网络
原文中文，约500字，阅读约需1分钟。发表于：。本研究解决了食品和农业压力识别中的特征提取问题。提出了一种区域注意力机制，通过建立图像不同区域之间的关联，增强特征表示和上下文信息的利用。实验结果表明，RAFA-Net在多个公开数据集上实现了最先进的识别准确率，展示了其优越的泛化能力。
本研究提出了一种新型卷积神经网络模型，用于简化植物病害检测。通过创新训练方法，该模型将两种病害分为四类，在番茄和玉米数据集上的准确率分别为95.08%和92.21%。结合批归一化，训练集检测率达99.89%，验证准确率超97.52%。模型引入额外层、跳跃连接和正则化，实现了84.42%的验证准确率。
