基于注意力引導(dǎo)深度紋理特征學(xué)習(xí)的復(fù)雜背景藏藥材切片圖像識別＊

周麗媛 ，趙啟軍 ，2＊＊，高定國

（1.西藏大學(xué)信息科學(xué)技術(shù)學(xué)院 拉薩 850000；2.四川大學(xué)計(jì)算機(jī)學(xué)院 成都 610065）

我國作為多個(gè)民族組成的國家，民族文化源遠(yuǎn)流長。藏族文化作為我國民族文化中的一顆瑰寶，其最具特點(diǎn)的藏醫(yī)藥更是人類醫(yī)藥的遺產(chǎn)。藏醫(yī)藥是在廣泛吸收、融合了中醫(yī)藥學(xué)等理論的基礎(chǔ)上，通過長期實(shí)踐形成的獨(dú)特醫(yī)藥體系，迄今已有上千年歷史，是我國較為完整、較有影響的民族藥之一[1]。藏藥材切片作為藏醫(yī)藥的關(guān)鍵組成部分，對其進(jìn)行正確的識別以及應(yīng)用是發(fā)揮藏藥材藥用價(jià)值的重要前提。早期的藏藥材切片識別大多依靠人工，專業(yè)技術(shù)人員通過觀察、觸摸、品嘗、鼻聞等方式對藏藥材進(jìn)行識別與鑒定[2]，人工識別結(jié)果的準(zhǔn)確性深度依賴于技術(shù)人員的累積經(jīng)驗(yàn)很容易出錯(cuò)。然而，對專業(yè)技術(shù)人員的培養(yǎng)需要較長的時(shí)間，具有豐富的藏藥材識別經(jīng)驗(yàn)的人才缺乏是制約現(xiàn)階段藏藥材發(fā)展的重要因素。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)視覺[3]逐漸成為熱點(diǎn)。計(jì)算機(jī)視覺是利用計(jì)算機(jī)模擬人類的視覺功能，對給定的圖片、視頻等進(jìn)行信息的特征提取并對其進(jìn)行判斷和推理。隨著高質(zhì)量的標(biāo)注數(shù)據(jù)集的大量出現(xiàn)，深度學(xué)習(xí)在計(jì)算機(jī)視覺中占據(jù)日益重要的地位，推動(dòng)了計(jì)算機(jī)視覺應(yīng)用在諸多領(lǐng)域百花齊放。特別地，在藥材識別領(lǐng)域，計(jì)算機(jī)視覺技術(shù)使得中藥飲片自動(dòng)識別在過去幾年間得到了快速發(fā)展。

圖1 本文數(shù)據(jù)集示例圖像

表1 本文收集的復(fù)雜背景藏藥材切片圖像數(shù)據(jù)集信息

伍紅年等[4]使用指紋圖譜結(jié)合機(jī)器學(xué)習(xí)方法進(jìn)行白三七及近源種藥材識別。賈偉等[5]使用Tamura方法描述中藥飲片紋理，能夠較為精確的表示中藥飲片的紋理特征。謝樹瑩等[6]使用OpenCV、支持向量機(jī)（SVM）算法對5種中藥飲片進(jìn)行辨色處理，實(shí)驗(yàn)表明在理想環(huán)境下可以實(shí)現(xiàn)對5種飲片100%的識別正確率。徐飛等[7]使用GoogLeNet卷積神經(jīng)網(wǎng)絡(luò)對人參與西洋參飲片圖像進(jìn)行識別，并取得90%的識別準(zhǔn)確率。胡繼禮等[8]使用Incepltion-V3模型對理想環(huán)境下的137種中藥飲片進(jìn)行識別，并取得88.3%的識別準(zhǔn)確率。陶歐等[9-12]使用灰度共生矩陣和灰度梯度共生矩陣提取中藥飲片紋理的數(shù)字特征，使用BP神經(jīng)網(wǎng)絡(luò)建立18 種中藥辨識模型，并取得90%的辨識正確率。李震[13]結(jié)合紋理特征和顏色形狀特征對檳榔、蒼術(shù)、地榆等5種飲片的識別準(zhǔn)確率達(dá)到98%。孫鑫等[14]使用卷積神經(jīng)網(wǎng)絡(luò)對自然場景下的50種中藥飲片圖像實(shí)現(xiàn)70%的平均識別準(zhǔn)確率。

盡管這些中藥飲片圖像識別方法為藏藥材圖像識別提供了重要參考，但是它們大部分都是針對理想環(huán)境下拍攝的單個(gè)切片的圖像，導(dǎo)致在復(fù)雜背景下拍攝的圖像上的識別效果會(huì)顯著下降（識別準(zhǔn)確率從90%以上[6-7,12-13]下降到約70%[14]）。本文針對復(fù)雜背景下拍攝的藏藥切片圖像（見圖1），提出結(jié)合傳統(tǒng)紋理特征與深度學(xué)習(xí)特征的識別模型，并通過引入注意力機(jī)制提高模型對復(fù)雜背景干擾因素的魯棒性。本文收集了18種藏藥材切片的1620幅圖像，實(shí)驗(yàn)結(jié)果表明本文方法在該數(shù)據(jù)集上可以達(dá)到81%以上的識別準(zhǔn)確率。

1 藏藥材切片圖像數(shù)據(jù)集

在藏藥材切片圖像識別領(lǐng)域，目前尚未存在公開的標(biāo)準(zhǔn)數(shù)據(jù)集，因此難以在相同標(biāo)準(zhǔn)下評估不同方法。之前的研究大多是在理想環(huán)境下拍攝的單個(gè)藥材切片圖像數(shù)據(jù)集上進(jìn)行的，而實(shí)際生活中的藥材切片多處于背景復(fù)雜或互相堆積嚴(yán)重的環(huán)境中，因此它們的研究成果很難應(yīng)用于自然場景。為進(jìn)一步拓展藏藥材切片圖像識別的應(yīng)用范圍，本文收集并建立了一個(gè)復(fù)雜背景藏藥材切片圖像數(shù)據(jù)集。本文提供的數(shù)據(jù)集來自于西藏自治區(qū)自然博物館和拉薩市特產(chǎn)店拍攝的藏藥材切片圖像以及使用爬蟲[15]通過搜索引擎在互聯(lián)網(wǎng)上爬取的藏藥材切片圖像。爬取的圖片經(jīng)人工篩選，去除了模糊不清或者信息有誤的圖片，再利用圖像處理軟件將圖像大小統(tǒng)一調(diào)整為512×512像素。如表1所示，本文收集了18種藏藥材切片的圖像，共計(jì)1620張，每一類藏藥材的有效切片圖像為70-100張。數(shù)據(jù)集示例圖像如圖1所示。本文所提供的數(shù)據(jù)集圖像具有不同藥材之間的顏色和形狀高度相似、切片形狀由于藥材采集的時(shí)間跨度而不同、部分圖像質(zhì)量較低等特點(diǎn)。

為了驗(yàn)證本文提出的注意力引導(dǎo)的深度紋理特征學(xué)習(xí)（AGDTFL）模型的識別準(zhǔn)確率，本文從1620張復(fù)雜背景藏藥材切片圖像中單獨(dú)挑選了270張建立了復(fù)雜測試集。復(fù)雜測試集圖像與簡單測試集圖像相比，具有背景顏色與藏藥材切片顏色基本一致、堆疊更加嚴(yán)重等特點(diǎn)。復(fù)雜測試集與簡單測試集示例圖像如圖2所示。對于藏藥材切片的識別任務(wù)，訓(xùn)練集和測試集分離，按照4∶1的比例將剩余1350張圖像隨機(jī)劃分為訓(xùn)練集和測試集（簡單測試集）。訓(xùn)練集包含18種藏藥材切片的1080張圖像，測試集（簡單測試集）包含18種藏藥材切片的270張圖像，復(fù)雜測試集包含18種藏藥材切片的270張圖像。

圖2 簡單測試集與復(fù)雜測試集示例圖像

圖3 AGDTFL模型

2 方法設(shè)計(jì)

2.1 AGDTFL模型構(gòu)建

復(fù)雜背景下藏藥材切片圖像往往存在一些器具、人手等無效信息，如何讓模型摒棄這些無效信息并關(guān)注藏藥材切片的紋理信息，是提高模型識別準(zhǔn)確率的關(guān)鍵。為此，本文提出首先使用分塊局部二值模式（LBP）提取藏藥材切片圖像紋理特征，然后將其作為深度神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)一步學(xué)習(xí)深度紋理特征表示。本文采用AlexNet作為骨干網(wǎng)絡(luò)（Backbone），為了提高AlexNet網(wǎng)絡(luò)對切片圖像的識別準(zhǔn)確率，進(jìn)一步引入注意力機(jī)制，形成注意力引導(dǎo)的深度紋理特征學(xué)習(xí)模型。本文在AlexNet網(wǎng)絡(luò)的第一層和卷積層的最后一層加入注意力機(jī)制，其結(jié)構(gòu)如圖3所示。將輸入圖像通過多個(gè)卷積層和池化層，得到大小為C×H×W的特征圖。C、H、W分別是特征圖的通道數(shù)、高度和寬度。為了實(shí)現(xiàn)注意力引導(dǎo)，使用1×1×C卷積濾波器對特征圖進(jìn)行卷積得到注意力熱力圖，再對注意力熱力圖進(jìn)行全局最大池化，在注意力熱力圖上選取最大的響應(yīng)值，就可以得到具有判別特征的區(qū)域。

2.2 LBP算法

LBP（Local binary patterns）紋理分析算子由Ojala等[16]首先提出，該算法在對紋理對象的特征提取過程中應(yīng)用廣泛，其理論及計(jì)算相對簡單，且對尺度旋轉(zhuǎn)和灰度變化不敏感。在藏藥材切片圖像受到光照、角度、互相堆疊遮擋的情況下，LBP算法能夠比較理想的提取出藏藥材切片圖像的紋理特征，提高成藏藥材切片圖像識別的魯棒性和準(zhǔn)確率。本文首先將藏藥材切片圖像調(diào)整為統(tǒng)一大小，然后將圖像進(jìn)行LBP分塊提取，有利于充分體現(xiàn)出復(fù)雜背景下藏藥材切片圖像的局部特征。本文應(yīng)用的LBP定義[16]如下：

其中，gc表示像素c在局部鄰域中心點(diǎn)的灰度值gp(p=0,1,…,p-1)表示距中心點(diǎn)距離為R的領(lǐng)域內(nèi)P個(gè)采樣像素的灰度值；s(x) 為符號函數(shù)；s(gp-gc)為鄰域中的每個(gè)周圍像素分配二項(xiàng)式權(quán)重2p，將局部鄰域的對比度信息轉(zhuǎn)換為LBP特征值。本文設(shè)定P=8、R=1計(jì)算像素周圍8個(gè)鄰域的紋理對比度信息，構(gòu)建一個(gè)256維的直方圖，然后將每個(gè)直方圖組合成一個(gè)特征向量作為最終的LBP特征。

2.3 注意力機(jī)制

注意力機(jī)制（Attention mechanism）源于對人類視覺的大腦信號處理機(jī)制的研究。人類大腦在接收外界信息時(shí)，并不會(huì)將收到的所有信息進(jìn)行處理，而是只關(guān)注較為重要的信息，這有利于過濾干擾信息，從而提高信息處理效率[17]。認(rèn)知科學(xué)中，由于信息處理的瓶頸，當(dāng)人在面對一個(gè)大型復(fù)雜場景時(shí)，人類會(huì)選擇性地關(guān)注所有信息的一部分，如顏色突?；蝻L(fēng)格突變的區(qū)域，同時(shí)忽略其他可見的信息即其它相對平凡的地方。計(jì)算機(jī)視覺中的注意力機(jī)制正是借鑒于此，讓網(wǎng)絡(luò)從眾多的信息中聚焦重要信息，忽略不重要信息。其最早應(yīng)用在自然語言處理上，之后延伸到圖像處理領(lǐng)域。由于復(fù)雜背景下的藏藥材切片圖像一般包含許多無關(guān)信息，對切片圖像進(jìn)行識別的依據(jù)往往來自于僅占圖像部分的切片紋理特征。本文將注意力機(jī)制引入AlexNet網(wǎng)絡(luò)中，對復(fù)雜背景下的藏藥材切片圖像在紋理特征的關(guān)鍵區(qū)域進(jìn)行聚焦，最終提取出較為精準(zhǔn)的關(guān)鍵紋理特征信息，進(jìn)而提高復(fù)雜背景下藏藥材切片圖像的識別準(zhǔn)確率。本文的注意力機(jī)制的單元結(jié)構(gòu)如圖4所示。Squeeze操作將C×H×W的輸入轉(zhuǎn)變?yōu)?×1×C的輸出，Excitation操作生成通道權(quán)重，最后對特征圖進(jìn)行Scale，獲得通道權(quán)重調(diào)整后的特征圖。

注意力機(jī)制的核心部分由一組1×1×C的卷積濾波器和一個(gè)全局最大池化層組成，卷積特征的每個(gè)通道對應(yīng)一個(gè)視覺模式，由于缺乏一致性和魯棒性，這些特征不能作為注意力映射[17]。本文采用一組1×1×C卷積濾波器，根據(jù)特征通道的空間關(guān)系將特征圖轉(zhuǎn)化為局部注意力圖[18]。注意力機(jī)制的關(guān)鍵是加權(quán)以及求和，注意力機(jī)制中不同的權(quán)重比例反映了模型關(guān)注度不同的圖像區(qū)域。為了提高計(jì)算速度、減少計(jì)算參數(shù)，采用softmax方法作為輸出特征權(quán)重值。

2.4 AlexNet

AlexNet在2012年由Hinton和他的學(xué)生Alex Krizhevsky提出。AlexNet首次在卷積神經(jīng)網(wǎng)絡(luò)（CNN）中成功應(yīng)用了ReLU、Dropout和LRN等Trick，并使用GPU進(jìn)行運(yùn)算加速[19]。AlexNet作為經(jīng)典的CNN，與ResNet、GoogLeNet等模型相比，其網(wǎng)絡(luò)結(jié)構(gòu)更簡單，網(wǎng)絡(luò)參數(shù)更少[20]。因此，本文用AlexNet網(wǎng)絡(luò)進(jìn)行藏藥材切片圖像的識別。AlexNet網(wǎng)絡(luò)輸入圖像的尺寸為（224×224×3），網(wǎng)絡(luò)結(jié)構(gòu)分為8層，前5層是卷積層，后3層是全連接層。第一、二層都使用了卷積、ReLU、池化、歸一化操作。第三層和第四層都使用了卷積和ReLU操作。與三、四層相比，第五層多了池化操作，分別為卷積、ReLU和池化。然后將前五層操作后的結(jié)果傳遞到神經(jīng)網(wǎng)絡(luò)中，在最后三層均使用全連接網(wǎng)絡(luò)結(jié)構(gòu)。AlexNet 的提出對卷積神經(jīng)網(wǎng)絡(luò)有著重大意義，具有許多優(yōu)點(diǎn)[21]。它成功使用ReLU函數(shù)代替Sigmoid和tanh函數(shù)作為CNN的激活函數(shù)并在全連接層中增加Dropout層，訓(xùn)練時(shí)使用Dropout隨機(jī)忽略一部分神經(jīng)元避免模型過擬合，提高了模型的泛化能力；全部使用最大池化，避免平均池化的模糊化效果；使池化核比步長的尺寸大，讓池化層的輸出之間有重疊和覆蓋，提高了特征的豐富性；使用局部響應(yīng)歸一化層，用競爭機(jī)制使神經(jīng)元中響應(yīng)較大的值變得更大，并抑制反饋較小的神經(jīng)元，增強(qiáng)了模型的泛化能力。

圖4 注意力機(jī)制單元

圖5 簡單測試集識別準(zhǔn)確率

表2 復(fù)雜測試集實(shí)驗(yàn)結(jié)果

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)設(shè)置

為驗(yàn)證本文方法的有效性，本文在收集的復(fù)雜背景藏藥材切片圖像數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。首先，將圖像大小調(diào)整為256×256像素輸入AlexNet網(wǎng)絡(luò)進(jìn)行訓(xùn)練，卷積神經(jīng)網(wǎng)絡(luò)的結(jié)果受多個(gè)超參數(shù)影響[22]，學(xué)習(xí)率（Learning rate）代表每次收斂的步長，它決定了收斂的快慢；批尺寸（Batch size）代表每次選取的訓(xùn)練樣本數(shù)量，它決定了收斂的方向。本文實(shí)驗(yàn)中參數(shù)設(shè)定如下：將網(wǎng)絡(luò)學(xué)習(xí)率設(shè)置為0.001，權(quán)重衰減系數(shù)λ設(shè)置為0.0005，批尺寸設(shè)置為10。實(shí)驗(yàn)采用隨機(jī)梯度下降法進(jìn)行網(wǎng)絡(luò)訓(xùn)練，設(shè)置網(wǎng)絡(luò)迭代次數(shù)（Epoch）為500，損失函數(shù)使用CrossEntropyLoss。之后將大小為256×256像素的圖像輸入融入注意力機(jī)制的AlexNet網(wǎng)絡(luò)，網(wǎng)絡(luò)中關(guān)于注意力機(jī)制的權(quán)值都由網(wǎng)絡(luò)通過自身學(xué)習(xí)確定，并通過反向傳播不斷調(diào)整權(quán)值大小，直到學(xué)習(xí)到合適的權(quán)值以使網(wǎng)絡(luò)達(dá)到最優(yōu)性能并在相同的實(shí)驗(yàn)參數(shù)下獲得識別準(zhǔn)確率。然后將圖像輸入AGDTFL網(wǎng)絡(luò)，在相同的實(shí)驗(yàn)參數(shù)下獲得識別準(zhǔn)確率。最后在復(fù)雜測試集上分別用AlexNet網(wǎng)絡(luò)、融入注意力機(jī)制的AlexNet網(wǎng)絡(luò)、AGDTFL網(wǎng)絡(luò)進(jìn)行識別，測試網(wǎng)絡(luò)識別的準(zhǔn)確性。

3.2 消融實(shí)驗(yàn)結(jié)果與分析

從實(shí)驗(yàn)結(jié)果圖5可以看出，在訓(xùn)練過程中，隨著迭代次數(shù)的增加，網(wǎng)絡(luò)模型的識別準(zhǔn)確率均逐漸提高并最終趨于穩(wěn)定。但增加了注意力機(jī)制的AlexNet網(wǎng)絡(luò)模型的識別準(zhǔn)確率更高?？傮w看來，Attention+AlexNet網(wǎng)絡(luò)性能優(yōu)于單一的AlexNet網(wǎng)絡(luò)模型。AlexNet網(wǎng)絡(luò)模型的識別準(zhǔn)確率為73%，而Attention+AlexNet網(wǎng)絡(luò)的識別準(zhǔn)確率為79%，準(zhǔn)確率提升較高。對圖像抽取LBP特征后使用增加了注意力機(jī)制的AlexNet網(wǎng)絡(luò)模型（AGDTFL，即注意力引導(dǎo)的深度紋理特征學(xué)習(xí)）的識別準(zhǔn)確率為82%，準(zhǔn)確率優(yōu)于使用Attention+AlexNet網(wǎng)絡(luò)進(jìn)行識別。在復(fù)雜測試集上的實(shí)驗(yàn)結(jié)果見表2，與在簡單測試集上獲得的識別準(zhǔn)確率相比，AGDTFL網(wǎng)絡(luò)模型對復(fù)雜背景藏藥材切片圖像的識別更加穩(wěn)定，準(zhǔn)確率僅下降1%，而單一的AlexNet與Attention + AlexNet網(wǎng)絡(luò)準(zhǔn)確率分別下降4%和2%，結(jié)果證明LBP算法可以很好的提取復(fù)雜背景中藏藥材切片的紋理信息。

3.3 特征信息分析

特征信息是模型對不同藏藥材切片圖像進(jìn)行分類的依據(jù)，對藏藥材切片圖像中關(guān)鍵紋理特征信息的準(zhǔn)確提取有助于提高模型的可解釋性。從實(shí)驗(yàn)的分類準(zhǔn)確率結(jié)果來看，本文提出的AGDTFL網(wǎng)絡(luò)模型由于加入了注意力層對復(fù)雜背景下藏藥材切片圖像進(jìn)行識別，獲得了比只使用AlexNet網(wǎng)絡(luò)和Attention+AlexNet網(wǎng)絡(luò)更高的準(zhǔn)確率。本文在測試集上選取了3種復(fù)雜背景下藏藥材切片圖像，分別將AlexNet、Attention+AlexNet和AGDTFL網(wǎng)絡(luò)模型最后一個(gè)卷積層提取到的圖像特征信息進(jìn)行可視化操作即繪制特征信息的熱力圖[23]，結(jié)果如圖6所示。模型具體是依據(jù)圖像中的哪些紋理特征信息把復(fù)雜背景下藏藥材切片圖像準(zhǔn)確識別為正確的藏藥材名稱以及模型分類所依據(jù)的特征信息是否真正來自于圖像中的切片紋理區(qū)域，圖6給予了明確的表示。為便于對比，對于每個(gè)特征信息熱力圖，均給出了相應(yīng)的原始藏藥材切片圖像。其中，熱力圖顏色從藍(lán)色過渡到紅色表示特征信息即判圖分類識別依據(jù)越來越重要。

圖6 藏藥材切片圖像特征信息熱力圖

表3 簡單測試集對比實(shí)驗(yàn)結(jié)果

圖7 不同模型在復(fù)雜測試集上的部分圖像識別結(jié)果

從熱力圖中可以明顯看到，AlexNet網(wǎng)絡(luò)、融入注意力機(jī)制的AlexNet網(wǎng)絡(luò)對圖像進(jìn)行分類識別所依據(jù)的關(guān)鍵切片紋理特征有很大的差別。只使用AlexNet網(wǎng)絡(luò)時(shí)提取的特征信息在大部分集中在復(fù)雜背景上，對關(guān)鍵的切片紋理特征的聚焦度較低，沒有給關(guān)鍵切片紋理特征部位賦予很高的權(quán)重，這說明AlexNet網(wǎng)絡(luò)雖然能夠?qū)Σ厮幉那衅瑘D像進(jìn)行了正確的分類識別但是卻沒有對圖像上關(guān)鍵的切片紋理部位進(jìn)行有效的它特征提取導(dǎo)致圖像識別準(zhǔn)確率較低。與AlexNet網(wǎng)絡(luò)相比，Attention+AlexNet網(wǎng)絡(luò)提取的特征信息的分布比較集中，關(guān)鍵的切片紋理特征部位被紅色覆蓋，這說明注意力機(jī)制能夠有效地對關(guān)鍵的切片紋理特征部位進(jìn)行聚焦，從而使得Attention+AlexNet網(wǎng)絡(luò)對復(fù)雜背景下藏藥材切片圖像的識別比AlexNet網(wǎng)絡(luò)更加精準(zhǔn)。與單純使用Attention+AlexNet網(wǎng)絡(luò)相比，AGDTFL網(wǎng)絡(luò)提取的特征信息的分布更加集中，關(guān)鍵的切片紋理特征部位均被紅色覆蓋，這說明使用LBP特征抽取后，不同藏藥材切片之間的紋理差異更加明顯，從而使得Attention+AlexNet網(wǎng)絡(luò)對復(fù)雜背景下藏藥材切片圖像的分類識別的準(zhǔn)確率比直接將圖像輸入Attention+AlexNet網(wǎng)絡(luò)進(jìn)行識別更加精準(zhǔn)。

3.4 對比實(shí)驗(yàn)結(jié)果與分析

本部分實(shí)驗(yàn)將所提模型與現(xiàn)有的藥材切片識別方法進(jìn)行對比分析。結(jié)果如表3所示，與其他算法相比，本文提出的算法效果更優(yōu)。RGB+SVM[24]模型在6種對比模型中的準(zhǔn)確率最低，由于該模型是對圖像的RGB特征進(jìn)行提取后再分類，但復(fù)雜背景圖像的RGB特征容易隨背景的變化而變化，不能作為可靠的識別特征，因此在復(fù)雜背景藏藥材切片圖像數(shù)據(jù)集上，RGB+SVM模型表現(xiàn)一般。現(xiàn)有的使用VGG16[14]、Inception-V3[8]、LeNet-5[25]、GoogleNet[26]網(wǎng)絡(luò)的研究方法在理想環(huán)境下對中藥切片的識別已取得較高的準(zhǔn)確率，但通過實(shí)驗(yàn)發(fā)現(xiàn)，這些網(wǎng)絡(luò)對復(fù)雜背景下的藏藥材切片圖像識別準(zhǔn)確率均不高。本文所提模型，在對比實(shí)驗(yàn)中的準(zhǔn)確率最高。圖7顯示了不同模型在復(fù)雜測試集上的識別結(jié)果，可以看出AGDTFL網(wǎng)絡(luò)與其他模型相比，在背景顏色與藏藥材切片顏色基本一致、堆疊更加嚴(yán)重等情況下具有更好的識別準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，本文提出的結(jié)合傳統(tǒng)紋理特征（LBP）和深度學(xué)習(xí)（AlexNet），以及引入注意力機(jī)制的方法能有效提升模型在復(fù)雜背景藏藥材切片圖像上的識別準(zhǔn)確率。

4 討論

本文利用18種復(fù)雜背景下藏藥材切片的1620張圖像，建立了包含標(biāo)注的數(shù)據(jù)集。本文為了驗(yàn)證網(wǎng)絡(luò)模型的魯棒性，在建立數(shù)據(jù)集時(shí)，充分考慮了藥材的顏色和形狀高度相似，拍攝環(huán)境的強(qiáng)光差異，圖像質(zhì)量高與低，不同形狀和藥材采集的時(shí)間跨度等多變化的數(shù)據(jù)。該數(shù)據(jù)集有望為復(fù)雜背景下藏藥材切片識別任務(wù)提供數(shù)據(jù)基礎(chǔ)，促進(jìn)基于深度學(xué)習(xí)的藏藥材識別技術(shù)的發(fā)展。本文提出AGDTFL網(wǎng)絡(luò)模型去識別復(fù)雜背景下的藏藥材切片，在簡單測試數(shù)據(jù)集上的準(zhǔn)確率達(dá)到82%。這種方法的實(shí)驗(yàn)為藏藥材切片識別研究提供了良好的基準(zhǔn)。但是，本實(shí)驗(yàn)的數(shù)據(jù)集中藏藥材圖片的數(shù)量比起標(biāo)準(zhǔn)公開數(shù)據(jù)集CIFAR-10來說較少，提出的模型雖在準(zhǔn)確率上取得了提升，但與理想情況下的藥材切片識別相比仍有較大提升空間。在下一步工作中，將進(jìn)一步擴(kuò)充本文構(gòu)建的成品藏藥材數(shù)據(jù)集，并采用無監(jiān)督或半監(jiān)督的方法來解決高成本、大規(guī)模藏藥材切片數(shù)據(jù)集的標(biāo)注問題。