基于3D注意力的MobileNet图像分类算法改进

摘要：

针对MobileNetV2 网络在图像分类任务中特征表达不足的问题,提出一种结合注意力机制对MobileNet网络的改进策略.利用一种新颖的高效且无参的注意力模块,同时结合I-block模块来替换MobileNet网络中的倒残差模块,采用RReLU激活函数替代原ReLU激活函数保留更多特征,结合inception结构进行多尺度特征提取与融合,使其可以提供更强的多尺度特征表达并服务于图像分类任务,使用数据扩增技术,生成更多样本.与 6 种方法进行对比,实验结果表明,采用 3D注意力机制的网络在数据集CIFAR-10、CIFAR-100 上以最少的网络参数分别取得 94.09％和 75.35％的最高精度,表明该改进方法可以有效地进行快速图像分类.

关键词：卷积神经网络(CNN)、图像分类、MobileNet、inception结构、注意力机制

所属期刊栏目：35

分类号：TP183(自动化基础理论)

资助基金：重庆市科委一般项目;重庆市教委项目

在线出版日期：2023-07-03（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：513-519