テクスチャ解析を用いた植物画像分類のための空隙度プーリング層

プーリング層（例：最大プーリングと平均プーリング）は、ピクセルの強度や特徴値の空間的配置にエンコードされた重要な情報を見落とす可能性があります。我々は、局所ウィンドウ内の変動を評価することで特徴マップの空間的異質性を捉えることを目的とした新しい空隙度プーリング層を提案します。この層は複数のスケールで機能し、ネットワークが階層的特徴を適応的に学習することを可能にします。空隙度プーリング層は、任意の人工ニューラルネットワークアーキテクチャにシームレスに統合できます。実験結果は、この層が複雑な空間パターンを捉える効果的であることを示し、特徴抽出能力が向上します。提案するアプローチは、特に農業画像解析タスクにおいて、さまざまな領域での可能性を秘めています。この研究は、空間的特徴の表現を豊かにする新しいプーリング層を導入することで、人工ニューラルネットワークアーキテクチャの進化する風景に貢献します。我々のコードは公開されています。