結(jié)合圖像增強(qiáng)和卷積神經(jīng)網(wǎng)絡(luò)的小麥不完善粒識(shí)別

（1.四川大學(xué)電子信息學(xué)院，成都 610065；2.中儲(chǔ)糧成都儲(chǔ)藏研究院有限公司，成都 610091）

0 引言

作為我國(guó)第二大農(nóng)作物，小麥對(duì)人民日常飲食、國(guó)家的糧食安全，以及推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展都有著舉足輕重的作用。小麥不完善粒是指受到了損傷但仍有使用價(jià)值的小麥籽粒，包括破損粒、蟲蝕粒、病斑粒（赤霉病粒以及黑胚粒）、發(fā)芽粒、霉變粒等。不完善粒的含量是對(duì)小麥完成定級(jí)、定等的關(guān)鍵指標(biāo)。我國(guó)目前小麥質(zhì)量檢測(cè)工作仍然是由專業(yè)質(zhì)檢人員根據(jù)經(jīng)驗(yàn)判斷，該方法主觀性強(qiáng)、工作量大、可重復(fù)性差，并且在檢測(cè)過(guò)程中可能毀壞受檢麥粒，如人工對(duì)發(fā)芽籽粒的判定可能刮傷籽粒。

1984 年的美國(guó)農(nóng)業(yè)部最先提出基于圖像來(lái)對(duì)小麥進(jìn)行分類的思想。1985 年堪薩斯州立大學(xué)的Zayas［1］基于圖像提取了小麥的長(zhǎng)、寬、面積等形態(tài)特征進(jìn)行識(shí)別。最先使用機(jī)器視覺(jué)技術(shù)對(duì)小麥不完善粒進(jìn)行檢測(cè)是在1991 年的美國(guó)華盛頓州立大學(xué)，Thomson等［2］通過(guò)逐麥粒掃描三維圖形對(duì)生芽粒進(jìn)行分類，正常粒小麥識(shí)別率83%，發(fā)芽粒小麥識(shí)別率89%。1999年，Majumdar等［3］提取麥粒的紋理特征和顏色特征，對(duì)大麥、小麥、燕麥等不同種類的麥粒樣品進(jìn)行分類，準(zhǔn)確率達(dá)到100%。2007 年，Neethirajan 等［4］提取麥粒55 個(gè)特征，使用BP（Back Propagation）人工神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，準(zhǔn)確率達(dá)到95%。2012 年，我國(guó)浙江大學(xué)陳豐農(nóng)［5］提取小麥的形態(tài)、顏色、紋理三類共計(jì)178 維特征，使用主成分分析（Principal Component Analysis，PCA）+支持向量機(jī)（Support Vector Machine，SVM）算法進(jìn)行分類，對(duì)黑胚粒、破損粒和正常粒小麥的識(shí)別率分別達(dá)到97.2%、98.4%和97.9%，并且開發(fā)了一臺(tái)小麥不完善粒自動(dòng)檢測(cè)的樣機(jī)。

早期的研究主要集中在使用各種方法提取小麥的形態(tài)、顏色和紋理三類特征，然后用各種機(jī)器學(xué)習(xí)算法對(duì)圖像進(jìn)行分類，其局限在于人工定義特征困難、數(shù)據(jù)可分性弱，且偏向可行性研究，數(shù)據(jù)量偏小。近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)（Conventional Neural Network，CNN）蓬勃發(fā)展，國(guó)內(nèi)相關(guān)研究人員對(duì)使用CNN 識(shí)別小麥不完善粒開展了諸多研究。2017年，曹婷翠［6］提出采用雙面圖像進(jìn)行識(shí)別的方案，基于LeNet-5構(gòu)建神經(jīng)網(wǎng)絡(luò)，獲得了平均90%以上的準(zhǔn)確率。2018年，陳文根［7］構(gòu)建了具有五層卷積的神經(jīng)網(wǎng)絡(luò)，對(duì)九種不同的小麥進(jìn)行分類，取得了98.4%的準(zhǔn)確率。2019年，張博［8］構(gòu)建了具有三個(gè)殘差塊的殘差神經(jīng)網(wǎng)絡(luò)，對(duì)正常、破損、蟲蝕、病斑、生芽和霉變六類小麥分類，獲得了96%的準(zhǔn)確率。2020 年，祝詩(shī)平等［9］使用近紅外光譜圖像提取光譜特征，對(duì)比了LeNet-5、ResNet-34、VGG-16 和AlexNet 幾種經(jīng)典CNN 與傳統(tǒng)分類方法，在AlexNet 上對(duì)正常籽粒和破損籽粒二分類獲得最高98.02%的準(zhǔn)確率。

目前針對(duì)小麥不完善粒識(shí)別的研究中，基于高光譜圖像的研究較多，僅使用普通圖像的研究較少。而高光譜成像設(shè)備價(jià)格昂貴，自動(dòng)檢測(cè)設(shè)備開發(fā)和實(shí)驗(yàn)室研究成本都比較高。所以本文使用普通圖像展開研究，而當(dāng)前絕大部分使用普通小麥圖像分類的研究只是將其視作一般圖像分類任務(wù)，著重改進(jìn)分類算法，而沒(méi)有利用好小麥圖像自身的特點(diǎn)。本文依據(jù)實(shí)際應(yīng)用場(chǎng)景下小麥圖像的特點(diǎn)，提出對(duì)麥粒細(xì)節(jié)作圖像增強(qiáng)（Image Enhancement，IE）以突出不完善特征，并在CNN中加入批正則化（Batch Normalization，BN）層提高泛化性能，之后以突出細(xì)節(jié)特征的圖像作為輸入，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行分類檢測(cè)，取得了較好的實(shí)驗(yàn)效果。

1 圖像的采集與數(shù)據(jù)集的制備

實(shí)驗(yàn)樣本由中儲(chǔ)糧成都儲(chǔ)藏研究院有限公司相關(guān)人員收集，包括完善粒和五類不完善粒樣本共六類，即完善粒、破損粒、蟲蝕粒、病斑粒、發(fā)芽粒、生霉粒，然后由該研究院專業(yè)小麥質(zhì)檢人員做數(shù)據(jù)標(biāo)注。以抖動(dòng)式自動(dòng)上料盤、透明玻璃板和一對(duì)工業(yè)相機(jī)（均為維視相機(jī)MV-EM200C搭配遠(yuǎn)心電耦合器件（Charge Coupled Device，CCD）光學(xué)鏡頭BT-2336）構(gòu)成自動(dòng)圖像采集設(shè)備，模擬實(shí)際應(yīng)用場(chǎng)景采集麥粒雙面圖像。

所用的工業(yè)相機(jī)聚焦可以實(shí)現(xiàn)背景為純黑色，然而麥粒本身占整幅圖像的比例不大，采集到的圖像大部分區(qū)域?yàn)楹谏尘?，并且部分區(qū)域會(huì)有麥粒上料過(guò)程中掉落的碎屑。所以先對(duì)圖像進(jìn)行預(yù)處理工作，刪除多余背景，具體為：對(duì)圖像進(jìn)行二值化之后查找輪廓，最大輪廓即為麥粒邊緣，以麥粒邊緣確定的矩形區(qū)域?yàn)榻?，向四周擴(kuò)充兩個(gè)像素之后裁剪原圖。

裁剪后的圖像大小各異，為方便神經(jīng)網(wǎng)絡(luò)輸入，運(yùn)用圖像處理算法將其大小調(diào)整至等寬高。具體為：固定圖像寬高比將圖像縮放至227×n(n≤227)，并在較短的邊兩側(cè)等量補(bǔ)零，將圖像調(diào)整至227× 227大小。

以前述處理后的圖像為基礎(chǔ)，共收集完善粒圖像12 998張，破損粒圖像8 658 張，蟲蝕粒圖像7 180 張，病斑粒圖像6 690張，生芽粒圖像6 000張，霉變粒圖像6 322張。圖1展示了六類小麥的圖像。為了評(píng)估本文所提方法的性能，避免不平衡分類問(wèn)題，六類樣本每一類各取6 000張圖像建立小麥不完善粒識(shí)別數(shù)據(jù)集，其中5 000 張作為訓(xùn)練集，1 000 作為測(cè)試集。

圖1 六類麥粒圖例Fig.1 Samples of six wheat kernel classes

2 圖像增強(qiáng)與網(wǎng)絡(luò)優(yōu)化

2.1 圖像增強(qiáng)

六類小麥圖像除部分破損粒輪廓嚴(yán)重不完整或是有較大區(qū)域?yàn)榘讐K以外，大部分圖像僅靠微小的局部差異判斷小麥籽粒是否完善或不完善。因此，本文運(yùn)用圖像處理技術(shù)從輸入端突出不完善粒的特征，以期改善不完善粒的識(shí)別率。

突出圖像細(xì)節(jié)的基本思想是將圖像拆解為基礎(chǔ)層和細(xì)節(jié)層，突出細(xì)節(jié)層后與基礎(chǔ)層疊加。分解原圖的核心是找到圖像的基礎(chǔ)圖層，通過(guò)圖像平滑即可得到圖像的基礎(chǔ)層。

關(guān)于圖像平滑的研究頗多，經(jīng)典算法有雙邊濾波、加權(quán)最小二乘法、全變分（Total Variation，TV）模型、L0范數(shù)最小化算法等。由于預(yù)處理后的小麥圖像背景為全0 像素，背景部分水平和豎直方向梯度均為0。本文采取Xu 等［10］提出的使用L0 范數(shù)約束的方法來(lái)平滑圖像，相較以往的算法，此算法不依賴局部信息，通過(guò)全局定位圖像的明顯邊緣來(lái)進(jìn)行平滑。具體為：

約定I為原圖像，S為待求解的平滑圖像，?xSp和?ySp表示求解出的S沿著水平和豎直方向的偏導(dǎo)數(shù)（此偏導(dǎo)采用前向差分求解），于是圖像中任一點(diǎn)p處的導(dǎo)數(shù)可以記為?Sp=(?xSp，?ySp)T，對(duì)二維圖像S而言，需要約束水平方向和豎直方向的L0范數(shù)，具體的約束項(xiàng)為：

其中，“#｛｝”表示對(duì)大括號(hào)內(nèi)滿足條件的像素p計(jì)數(shù)。假設(shè)I為原圖像，S為滿足約束條件下的基礎(chǔ)層，則求解目標(biāo)函數(shù)為：

將其轉(zhuǎn)化為非約束形式：

其中：λ是一個(gè)非負(fù)參數(shù)，控制I被平滑的權(quán)重。

由于C(S)非凸非可導(dǎo)，求解此式困難。為此引入輔助變量h和v，求解目標(biāo)變換為：

其中：β是一個(gè)超參數(shù)，約束hp和vp與對(duì)應(yīng)原圖像梯度?xSp和?ySp的相似性。求解此式即可得到圖像在參數(shù)（λ，β）下的基礎(chǔ)層S。使用交替最小化算法來(lái)求解此式，當(dāng)固定S時(shí)（h，v）的最優(yōu)解為：

圖2 六類麥粒圖像平滑和增強(qiáng)Fig.2 Smoothing and enhancement of images of six wheat kernel classes

圖3 完善粒不同增強(qiáng)方法效果Fig.3 Effect of perfect wheat kernel enhanced by different methods

固定(h，v)時(shí)S的最優(yōu)解為：

其中：“F”表示傅里葉變換，“F-1”為傅里葉逆變換，“F*（）”表示取取傅里葉變換所得矩陣的伴隨。

交替固定S按式（5）求解(h，v)和固定(h，v)按式（6）更新S，即可迭代完成基礎(chǔ)層S的求解。求出S后，原圖I減去基礎(chǔ)層S得到細(xì)節(jié)層，突出細(xì)節(jié)層并與基礎(chǔ)層S求和，即得到突出細(xì)節(jié)后的目標(biāo)圖像D，即：

其中：γ是一個(gè)大于1 的常數(shù)，控制突出細(xì)節(jié)的程度。整個(gè)算法流程如算法1所示。

算法1

1）初始化S=I，設(shè)置λ和β的初始值以及β最大值βmax；

2）按式（5）更新(h，v)；

3）按式（6）更新S并更新β←β× 2；

4）重復(fù)步驟2）和3）直至β＞βmax；

5）按式（7）求出增強(qiáng)后的圖像D。

當(dāng)λ和β的初始值為0.02，βmax取105，γ取1.2 時(shí)，六類圖像原圖I、平滑處理求得的基礎(chǔ)圖層S以及增強(qiáng)后的圖像D如圖2所示。

經(jīng)典圖像增強(qiáng)（IE）方法眾多，總的來(lái)說(shuō)可以分為空域增強(qiáng)和頻域增強(qiáng)。其中空域增強(qiáng)直接對(duì)像素進(jìn)行操作，包括直方圖均衡化、gamma 變換、拉普拉斯算子卷積、對(duì)數(shù)變換以及本文采用的分解圖層后增強(qiáng)某些層的方法。而頻域增強(qiáng)則是通過(guò)離散傅里葉變換將圖像變換到頻率域，選擇合適的閾值和增強(qiáng)系數(shù)增強(qiáng)高頻部分。圖3 分別展示了完善粒圖像使用上述幾種方法增強(qiáng)后的效果圖。

由圖3 可以看出，就小麥圖像而言：頻域高通濾波丟失了很多整體信息；因?yàn)橛泻芏嘟咏愣? 的像素點(diǎn)，直方圖均衡會(huì)引入額外噪聲；而gamma 變換和對(duì)數(shù)變換更多用來(lái)解決光照太亮或者太暗時(shí)對(duì)比度太低的問(wèn)題，對(duì)小麥圖像而言反而減少了其紋理信息；拉普拉斯卷積核通過(guò)每一個(gè)像素點(diǎn)的像素值乘五再減去四鄰域的像素和，一定程度上使得紋理信息有所增強(qiáng)，但也不如本文方法的效果顯著。

2.2 批正則化

批正則化技術(shù)即Batch Normalization（BN）是近年來(lái)深度學(xué)習(xí)發(fā)展的重要成果之一。有研究［11］指出，將圖像白化（將數(shù)據(jù)處理為標(biāo)準(zhǔn)正態(tài)分布）過(guò)后再送入神經(jīng)網(wǎng)絡(luò)，可以加速收斂過(guò)程。假設(shè)有m個(gè)數(shù)據(jù)，計(jì)算其均值μB和標(biāo)準(zhǔn)差每一個(gè)數(shù)據(jù)作如此映射：xi=其中：

在深度神經(jīng)網(wǎng)絡(luò)各個(gè)卷積層之間，每一層都相當(dāng)于下一層的輸入，若將神經(jīng)網(wǎng)絡(luò)每一層輸出神經(jīng)元都采取白化操作，則需要對(duì)神經(jīng)網(wǎng)絡(luò)每一層都使用所有數(shù)據(jù)，計(jì)算全局的均值和標(biāo)準(zhǔn)差，計(jì)算量非常大導(dǎo)致訓(xùn)練過(guò)程很慢。當(dāng)今小批量學(xué)習(xí)已成為訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的主流方法，即每一次訓(xùn)練前向傳播和反向傳播都只取固定數(shù)量的一部分?jǐn)?shù)據(jù)（稱為一個(gè)mini-batch）參與，既減小了硬件開銷又能同時(shí)學(xué)習(xí)到各類數(shù)據(jù)的特征。于是，Loffe 等［12］提出對(duì)神經(jīng)網(wǎng)絡(luò)每一層輸入，以mini-batch 為單位進(jìn)行白化操作而不用計(jì)算全局的均值和方差，讓數(shù)據(jù)以小方差集中在批均值附近；同時(shí)，為了更好地學(xué)習(xí)到非線性特征，對(duì)白化之后的正態(tài)分布再進(jìn)行縮放和平移。

其中：γ與β控制縮放和平移的程度，由神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。

BN 已經(jīng)被證明可以加速網(wǎng)絡(luò)收斂和抑制過(guò)擬合現(xiàn)象并且被廣泛應(yīng)用于各種分類任務(wù)中。在深度學(xué)習(xí)別的研究領(lǐng)域還衍生出了Layer Normalization、Group Normalization、Weight Normalization、Instance Normalization 等變體［13］。在分類網(wǎng)絡(luò)中加入BN層，以期獲得更好的識(shí)別率。通常在神經(jīng)網(wǎng)絡(luò)卷積輸出之后非線性激活之前加入BN，圖4展示了神經(jīng)網(wǎng)絡(luò)相鄰卷積層之間加入BN層前后結(jié)構(gòu)。

圖4 神經(jīng)網(wǎng)絡(luò)相鄰層加入BN前后的結(jié)構(gòu)Fig.4 Structure of CNN adjacent layers before and after adding BN layer

實(shí)際應(yīng)用場(chǎng)景中，雖然成批的麥子其數(shù)量是極大的，基于機(jī)器視覺(jué)技術(shù)逐麥粒進(jìn)行識(shí)別無(wú)法用于完善-不完善粒分揀，但是對(duì)于國(guó)家糧食機(jī)構(gòu)收糧現(xiàn)場(chǎng)小樣本快速質(zhì)檢是完全可行的。在快速質(zhì)檢的應(yīng)用場(chǎng)景下，只需要給出一批樣本的不完善率即可，此時(shí)結(jié)合圖像增強(qiáng)和CNN 進(jìn)行小麥不完善粒識(shí)別的流程如圖5所示。

圖5 本文不完善粒識(shí)別流程Fig.5 Flowchart of the proposed imperfect wheat kernel recognition

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)置

分別以經(jīng)典分類網(wǎng)絡(luò)LeNet-5、VGG-16 以及ResNet-34 作為主干網(wǎng)絡(luò)，對(duì)輸入圖像進(jìn)行細(xì)節(jié)增強(qiáng)后送入含有BN層的神經(jīng)網(wǎng)絡(luò)進(jìn)行分類（CNN+IE+BN）。對(duì)比實(shí)驗(yàn)包括：1）僅使用原網(wǎng)絡(luò)（CNN）；2）只做圖像增強(qiáng)（CNN+IE）；3）只添加BN（CNN+BN）。實(shí)驗(yàn)環(huán)境為：操作系統(tǒng)為Ubuntu 16.04，CPU 為Intel Core i5-7500，內(nèi)存為8 GB，GPU 為Nvidia GTX1080Ti（顯存11 GB）。使用CUDA 8.0+Pytorch-1.0。

所有網(wǎng)絡(luò)實(shí)驗(yàn)均迭代250次，學(xué)習(xí)率初始值0.01，每迭代100 輪學(xué)習(xí)率衰減90%。設(shè)置Batch Size 為84，由于pytorch 框架不提供LeNet-5 的預(yù)訓(xùn)練模型，初始權(quán)值均使用pytorch 預(yù)設(shè)的初始化策略進(jìn)行初始化。其中細(xì)節(jié)增強(qiáng)部分參數(shù)設(shè)置為：λ和β的初始值0.02，βmax=105，γ=1.2。對(duì)比訓(xùn)練集準(zhǔn)確率和測(cè)試集準(zhǔn)確率。

3.2 結(jié)果分析

實(shí)驗(yàn)數(shù)據(jù)如表1所示。其中圖像增強(qiáng)（IE）在表中用IE 表示。由于ResNet 網(wǎng)絡(luò)本身加入了BN 層，實(shí)驗(yàn)時(shí)對(duì)比原網(wǎng)絡(luò)去除BN 層（-BN）、原網(wǎng)絡(luò)去除BN 后使用增強(qiáng)細(xì)節(jié)的圖像（-BN+IE）、原網(wǎng)絡(luò)（ResNet34），以及原網(wǎng)絡(luò)使用增強(qiáng)圖像（ResNet34+IE）四種情況。

表1 十二組對(duì)比實(shí)驗(yàn)的訓(xùn)練集準(zhǔn)確率、測(cè)試集準(zhǔn)確率 單位：%Tab.1 Training set accuracies and test set accuracies of 12 groups of comparison experiments unit：%

從表1可以看出：

1）實(shí)驗(yàn)的三個(gè)分類網(wǎng)絡(luò)均在本文所提方法上獲得最高測(cè)試集準(zhǔn)確率。

2）ResNet-34在去除BN 層后，相較于原網(wǎng)絡(luò)，無(wú)論是否對(duì)輸入數(shù)據(jù)作增強(qiáng)處理，訓(xùn)練集和測(cè)試集準(zhǔn)確率都遠(yuǎn)不如原網(wǎng)絡(luò)。但是增強(qiáng)處理后相較不做此處理有更好的表現(xiàn)。

3）單獨(dú)對(duì)比是否在網(wǎng)絡(luò)中加BN 層和是否做圖像增強(qiáng)可以發(fā)現(xiàn)，相較基礎(chǔ)網(wǎng)絡(luò)，二者單獨(dú)使用均帶來(lái)一定程度的訓(xùn)練集最高準(zhǔn)確率降低和測(cè)試集最高準(zhǔn)確率升高。并且除ResNet-34 去除BN 層后網(wǎng)絡(luò)學(xué)習(xí)困難以外，其他實(shí)驗(yàn)均在結(jié)合使用BN 和圖像增強(qiáng)時(shí)達(dá)到最大訓(xùn)練集準(zhǔn)確率的最小值和最大測(cè)試集準(zhǔn)確率的最大值。

由以上分析可以得出，ResNet-34 所使用的殘差結(jié)構(gòu)對(duì)BN 層依賴程度較高，去除BN 層后降低了ResNet 網(wǎng)絡(luò)的學(xué)習(xí)能力。而此時(shí)使用細(xì)節(jié)增強(qiáng)的圖像作為輸入，相較不做細(xì)節(jié)增強(qiáng)也能獲得更好的訓(xùn)練集和測(cè)試集準(zhǔn)確率；綜合十二組對(duì)比實(shí)驗(yàn)可知，在CNN 中添加BN 層和本文所提的圖像增強(qiáng)方法均對(duì)提升模型的泛化能力、抑制過(guò)擬合現(xiàn)象有積極作用，且對(duì)于不同的分類網(wǎng)絡(luò)均有良好的適應(yīng)性，其中表現(xiàn)最為優(yōu)秀的是VGG-16+IE+BN。

4 結(jié)語(yǔ)

本文使用模擬實(shí)際應(yīng)用場(chǎng)景下采集到的小麥圖像，分析其有別于普通圖像的特點(diǎn)，提出了一種針對(duì)小麥籽粒圖像的圖像增強(qiáng)方法，并在CNN 中添加BN 層。在LeNet-5、ResNet-34、VGG-16 三個(gè)不同的經(jīng)典CNN 上，僅使用該方法增強(qiáng)輸入數(shù)據(jù)，測(cè)試集準(zhǔn)確率均提升超過(guò)1個(gè)百分點(diǎn)；僅在CNN中加入BN 層而不做圖像增強(qiáng)，在三個(gè)不同的網(wǎng)絡(luò)上測(cè)試集準(zhǔn)確率均提升超過(guò)5 個(gè)百分點(diǎn)；二者結(jié)合使用時(shí)，在三個(gè)網(wǎng)絡(luò)上測(cè)試集準(zhǔn)確率提升均超過(guò)7 個(gè)百分點(diǎn)。其中：LeNet-5 參數(shù)量最少（約500 萬(wàn)），其總體表現(xiàn)也最差；ResNet-34 參數(shù)量約為2 100萬(wàn)，且含有殘差結(jié)構(gòu)可以以較小的參數(shù)量獲取更深層的特征，雖然參數(shù)量相較LeNet-5增加不多，但測(cè)試集準(zhǔn)確率提高非常明顯（約9個(gè)百分點(diǎn)）。而VGG-16以大量的卷積層堆疊而成，參數(shù)量較大（約1.3 億），其表現(xiàn)是最好的，但是訓(xùn)練和預(yù)測(cè)階段比較耗時(shí)，且參數(shù)量的大量增長(zhǎng)帶來(lái)的識(shí)別率提高相對(duì)有限（相較ResNet-34 多了5 倍的參數(shù)而測(cè)試集準(zhǔn)確率只提高2.5 個(gè)百分點(diǎn)），分類網(wǎng)絡(luò)的選取和改進(jìn)對(duì)于識(shí)別任務(wù)也非常重要。

但是本文對(duì)于分類網(wǎng)絡(luò)改進(jìn)并未做深入研究，實(shí)際上，小麥不完善粒識(shí)別屬于細(xì)粒度分類任務(wù)。這是深度學(xué)習(xí)領(lǐng)域一個(gè)富有挑戰(zhàn)性的任務(wù)，目前學(xué)術(shù)界已提出不少細(xì)粒度分類網(wǎng)絡(luò)，但普遍網(wǎng)絡(luò)參數(shù)量非常大（相當(dāng)一部分細(xì)粒度分類網(wǎng)絡(luò)就是用VGG-16 來(lái)提特征的）。而實(shí)際應(yīng)用場(chǎng)景下對(duì)識(shí)別時(shí)間有較高要求，限制了網(wǎng)絡(luò)的復(fù)雜程度。將細(xì)粒度網(wǎng)絡(luò)輕量化使其可以提取到更深層次的特征的同時(shí)又能較快完成識(shí)別是一個(gè)值得研究的課題，這也是我們今后的研究方向。