基于深度学习的图像分类算法框架研究

摘要：

目的 提高图像分类精度是实现自动化生产的基础,提出一种更加准确的图像分类方法,使自动化包装和生产更加高效.方法 基于ResNeSt特征图组的思想,通过引入通道域和空间域注意力机制,并将自适应卷积核思想和Gem池化引入空间域注意力模块,从而使网络在空间域注意力机制中能够对不同图片使用不同的感受野使其关注更重要的部分,提出一种具有通道域和空间域注意力机制,且具有很好移植性的图像分类网络模型结构.结果 文中方法提高了图像分类准确度,在ImageNet数据集上,top-1准确度为81.39％.结论 文中提出的ResNeSkt算法框架优于目前的主流图像分类方法,同时网络整体结构具有很好的移植性,可以作为图像检测、语义分割等其他图像研究领域的主干网络.

关键词：ResNeSkt;图像分类与识别;包装和生产;图像检测;注意力机制

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：181-187