10.3969/j.issn.1672-6375.2023.02.001
基于改进ResNet网络的猫狗图像识别
动物种类的识别一直是图像识别领域的重点,为了更好地对图像中动物进行识别、帮助社会对家庭宠物的管理,本论述提出一种基于ACNet模块和CBAM注意力机制模块而改进的ACResNet18模型用来识别猫狗种类,通过非对称卷积快增强网络模型的核骨架,实现更有效的特征提取,引入CBAM注意力机制加强网络识别精度,能够更精确地对图像中猫狗进行识别和分类.本次实验使用Kaggle竞赛中的猫狗数据集进行图像识别,并通过对比实验,验证了相比于原模型,改进后的模型准确率有明显提升,最终提高了模型在图像分类上的精确度和鲁棒性,证实了该模型的可靠性.
图像识别、注意力机制、卷积神经网络、ResNet网络
52
TP391.4(计算技术、计算机技术)
藏族吉祥图案数字化保护与传播研究项目XZ202101ZR0084G
2023-07-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5