花卉分类技术报告

一、模型架构

1.1 整体架构

基于YOLO11-cls-m构建的100类花卉分类模型，针对细粒度花卉识别任务进行专项优化。

1.2 核心模块设计

通道注意力模块 (ChannelAttention)

• 功能：强化颜色特征，适配花卉RGB通道差异
• 实现：并行平均池化+最大池化 → 共享FC层 → Sigmoid激活
• 参数：reduction=16，压缩比平衡性能与效率

空间注意力模块 (SpatialAttention)

• 功能：聚焦花朵主体区域，抑制背景干扰
• 实现：通道维度统计（均值+最大值）→ 7×7卷积 → Sigmoid
• 优势：大卷积核捕捉更广空间依赖

花卉注意力模块 (FlowerAttention)

• 设计理念：通道注意力（颜色）+ 空间注意力（形态）串联
• 适用场景：细粒度花卉分类的判别性特征提取

多尺度花卉特征块 (MultiScaleFlowerBlock)

• 三分支并行结构：

  • 小尺度（3×3）：捕捉花瓣纹理、边缘细节
  • 中尺度（5×5等效）：提取单个花瓣结构
  • 大尺度（7×7等效）：建模整体花朵形态

• 特征融合：Concatenation → 1×1卷积压缩 → FlowerAttention

• 残差连接：保留低层特征，缓解梯度消失

颜色增强卷积 (ColorEnhancedConv)

• 核心创新：RGB三通道差异化处理
• 实现方式：全局池化 → 逐通道权重学习 → 自适应加权
• 应用位置：Backbone首层，优先增强颜色判别力

花卉优化C3k2 (FlowerC3k2)

• 基础结构：保留YOLO11原生C3k2的Bottleneck设计
• 增强点：在输出端串联FlowerAttention
• 平衡点：复用成熟架构 + 针对性改进

花卉分类头 (FlowerClassifyHead)

• 双池化策略：AdaptiveAvgPool + AdaptiveMaxPool并行

• 特征判别增强：

  • 特征维度扩展（2倍拼接）
  • BatchNorm + ReLU + Dropout(0.3)正则化
  • 全连接降维后分类

• 对比优势：相比单一池化，捕捉更丰富全局特征

1.3 网络配置

# Backbone分阶段设计
Stage 1: ColorEnhancedConv (64通道) - RGB颜色增强
Stage 2: C3k2 (256通道) + FlowerAttention - 纹理特征
Stage 3: FlowerC3k2 (512通道) - 花瓣结构
Stage 4: MultiScaleFlowerBlock (512通道) - 多尺度融合
Stage 5: MultiScaleFlowerBlock (1024通道) + FlowerAttention - 高层语义

# Head
FlowerClassifyHead - 双池化分类头

关键设计：

• 浅层注重颜色和纹理（低分辨率损失小）
• 深层引入多尺度建模（大感受野捕捉整体）
• 多处注意力机制（3个FlowerAttention插入点）

---

二、训练策略

2.1 预训练权重

• 加载策略：YOLO11x-cls预训练权重迁移
• 优势：利用ImageNet学到的通用视觉特征，加速收敛

2.2 优化器配置

optimizer: AdamW
lr0: 0.001           # 初始学习率
lrf: 0.01            # 最终学习率 = lr0 \* lrf
weight\_decay: 0.0005 # L2正则化
momentum: 0.937      # 动量因子

• AdamW选择：解耦权重衰减，泛化性优于Adam
• 学习率调度：余弦退火（cos_lr=True），平滑衰减避免震荡

2.3 Warmup策略

warmup\_epochs: 5.0
warmup\_momentum: 0.8
warmup\_bias\_lr: 0.1

• 作用：前5个epoch线性增大学习率，稳定初期训练
• 细节：偏置层使用小学习率，防止梯度爆炸

2.4 数据增强（针对花卉优化）

颜色增强

hsv\_h: 0.015  # 色调微调（花卉颜色敏感）
hsv\_s: 0.7    # 饱和度大幅变化（模拟光照）
hsv\_v: 0.4    # 亮度适度调整

• 设计理念：保留色调特征（0.015小扰动），增强光照鲁棒性

几何变换

degrees: 15.0     # 旋转角度
translate: 0.1    # 平移10%
scale: 0.5        # 缩放范围0.5-1.5倍
fliplr: 0.5       # 水平翻转
flipud: 0.0       # 禁用垂直翻转（花朵有上下方向性）

• 关键决策：禁用透视变换（perspective=0），避免花朵形态失真

混合增强

mosaic: 1.0   # 马赛克拼接
mixup: 0.15   # 图像混合

• Mosaic：强制模型学习多尺度和遮挡场景
• Mixup：轻量使用（0.15），防止过度混合丢失细节

2.5 正则化

label\_smoothing: 0.1  # 标签平滑
dropout: 0.3          # 分类头Dropout

• Label Smoothing：缓解过拟合，提升泛化（100类细粒度任务易过拟合）

2.6 训练参数

epochs: 200
imgsz: 600    # 高分辨率保留细节特征
batch: 32

• 高分辨率输入：600×600相比常规224/384，显著提升纹理辨识度

---

三、创新点总结

3.1 领域自适应设计

1. 颜色感知架构：ColorEnhancedConv首层增强RGB通道差异
2. 多尺度并行提取：MultiScaleFlowerBlock三分支捕捉从纹理到形态的全尺度特征
3. 双注意力机制：通道+空间注意力联合建模颜色与形态

3.2 训练策略优化

1. 保守的颜色增强：hsv_h=0.015保护色调特征
2. 高分辨率训练：600×600输入保留花瓣细节
3. 禁用破坏性变换：关闭垂直翻转和透视变换

3.3 架构平衡

• 效率：复用YOLO11骨干（C3k2/C2PSA）+ 轻量注意力
• 性能：关键位置插入领域模块（4处花卉特定设计）

---

四、实验配置

配置项	参数值	说明
模型规模	YOLO11-m	10.5M参数，平衡精度与速度
输入尺寸	600×600	高分辨率保留细节
类别数	100	细粒度花卉分类
训练轮数	200	充分收敛
批次大小	32	内存-性能平衡
学习率范围	1e-3 → 1e-5	余弦衰减
数据增强强度	中等	保护花卉关键特征

---

五、关键技术对比

技术点	YOLO11原生	本方案改进	优势
颜色建模	通用卷积	ColorEnhancedConv	RGB通道自适应加权
尺度建模	单一感受野	三分支并行（3/5/7）	捕捉多层次特征
注意力	C2PSA仅1处	FlowerAttention×3	全流程特征增强
分类头	单池化+FC	双池化+深层FC	判别性更强
输入分辨率	224	600	纹理信息保留
色调增强	0.05	0.015	保护颜色特征

---

六、模型特色

优势

1. 细粒度适配：专为花卉小类间差异设计（如不同玫瑰品种）
2. 多尺度融合：从2mm花瓣纹理到20cm整体形态的全覆盖
3. 轻量高效：相比ResNet/ViT等分类模型，推理速度快3-5倍
4. 迁移友好：基于YOLO生态，易于部署和工程化