面向轻量化网络的改进双通道注意力机制图像分类方法

摘要：

为解决弹载终端环境下深度卷积神经网络模型体积较大、运算硬件要求高的问题,构建了一种基于改进双通道注意力机制的轻量化网络结构.针对网络轻量化会牺牲分类准确率的问题,以轻量化网络结构MobileNetV2为基准网络架构,引入自主设计的注意力模块,设计了基于SPP-DCAM模块的MobileNetV2网络架构,使卷积层学习的显著特征图的权重增加,以提升其分类准确率;设计的空间信息与通道信息并联输入,通过定义1×1和3×3的小卷积在保证结构轻量化的基础上减少了计算量和计算复杂度.最后,在cifar-100图像分类数据集进行实验对比.结果表明:相对于改进Mobile-NetV2,在参数量和计算复杂度基本不变的基础上,分类精度优于传统的VGG16,ResNet18和DenseNet卷积网络,综合性能更强,更适合弹载计算资源有限情况下的快速分类.

关键词：MobileNetV2、注意力机制、图像分类、卷积神经网络、轻量化网络、人工智能

所属期刊栏目：28

分类号：TJ760;TP183(火箭、导弹)

资助基金：国家自然科学基金61503392

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：81-85