基于双路注意力机制的化学结构图像识别

摘要：

基于传统图像处理技术与流水线方式的化学结构图像识别方法通常依赖于人工设计的特征,导致识别准确率较低.针对该问题,提出一种基于空间注意力机制与通道注意力机制的化学结构图像识别方法.将化学结构识别视为序列生成任务,采用卷积神经网络(CNN)与长短期记忆(LSTM)网络相结合的深度神经网络模型实现化学结构图像到SMILES序列的转换.该深度神经网络模型由编码和解码两部分组成,编码部分使用CNN提取化学结构图像特征,解码部分融合双路注意力机制与LSTM网络生成SMILES序列.实验结果表明,该方法在BeamSize为3的情况下,识别准确率和BLEU-4值分别为81.63％和0.937,明显优于无注意力机制和单注意力机制的化学结构图像识别方法.

关键词：化学结构图像识别、卷积神经网络、长短期记忆网络、双路注意力机制、序列生成

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技重大专项“现代中药组分资源库公共平台建设”2018ZX09735002

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：213-220