基于多模型特征与精简注意力融合的图像分类
为了提高图像分类性能,本文提出一种多模型特征和注意力模块融合的图像分类算法(image classification algorithm based on Multi-model Feature and Reduced Attention fusion,MFRA).通过多模型特征融合,使网络学习输入图像不同层次的特征,增加特征互补性,提高特征提取能力;通过加入注意力模块,使网络更关注有目标的区域,降低无关的背景干扰信息.本文算法在Cifar-10,Cifar-100,Caltech-101这3个公开数据集上的大量实验对比,验证了其有效性.与现有算法对比,本文算法的分类性能有较为明显的提升.
多模型;注意力机制;图像分类;特征融合;深度学习
30
中国高等教育学会专项课题;广东高校省级重点平台和重大科研项目重大科研项目-特色创新类;广东省中医药局科研项目;广东省普通高校"人工智能"重点领域专项;国家自然基金重点项目;广州市大数据智能教育重点实验室;广东省公益研究;能力建设
2021-11-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
210-216