一种基于注意机制和卷积神经网络的视觉模型

摘要：

针对目前的深度卷积神经网络(CNN)模型规模大、训练参数多、计算速度慢以及难以移植到移动端等问题,提出了一种深度可分离卷积结合3重注意机制模块(DSC-TAM)的视觉模型.首先,通过深度可分离卷积网络来减少模型参数,提高网络模型的计算速度;其次,引入3重注意机制模块提高网络的特征提取能力,改善网络性能.实验结果表明:该方法的识别率可达99.63％,模型规模降低了 13％;与标准卷积神经网络视觉模型及其他方法比较,在保证识别精度的同时减少了网络模型的大小.

关键词：计量学;视觉模型;3重注意机制;深度可分离卷积;神经网络;目标识别

所属期刊栏目：42

分类号：TB96(计量学)

资助基金：广东省自然科学基金2016A030313003

在线出版日期：2021-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：840-845