基于多层特征融合机制的细粒度图像分类研究
摘要
网络结构的改动,分别使用相加、交叉和混合三种特征融合方式获得更丰富的图像信息,增强了不同层和同一层中
不同子层的信息互通。在此基础上,引入全局池化、R-S激活函数和自学习权重特征融合等局部优化策略,进一步
提升特征提取和训练效率。实验结果表明,新模型的分类精确度达到86.94%。
关键词
全文:
PDF参考
[1] 罗建豪,吴建鑫 . 基于深度卷积特征的细粒度图
像分类研究综述 [J]. 自动化学报,2017,43(08):1306-
1318.
[2]Lin T Y , Roychowdhury A , Maji S .Bilinear CNN
Models for Fine-grained Visual Recognition[J]. 2015.DOI:
10.48550/arXiv.1504.07889.
[3]X. Cai et al., “Automatic Extraction of Layover From
InSAR Imagery Based on Multilayer Feature Fusion Attention
Mechanism,” in IEEE Geoscience and Remote Sensing
Letters, vol. 19, pp. 1-5, 2022, Art no. 4017705, doi:
10.1109/LGRS.2021.3105722.
[4] 邓亚萍,王新,尹甜甜 . 基于多层交叉注意力融
合网络模型的人脸图像情感分析 [J]. 科学技术与工程,
2023,23(3):1152-1159.
[5] 蔡斐 . 基于混合注意力机制和多层特征融合的
服装图像检索研究 [D]. 东华大学,2022.DOI:10.27012/
d.cnki.gdhuu.2022.000703.
[6] 孙俊,何小飞,谭文军,等 . 空洞卷积结合全局
池化的卷积神经网络识别作物幼苗与杂草 [J]. 农业工程学
报,2018.DOI:CNKI:SUN:NYGU.0.2018-11-020.
[7] 陆明远,侯春燕,王劲松 . 基于 Softplus 函数的神
经网络的 Reluplex 算法验证研究 [J]. 信息安全研究,2022,
8(09):917-924.
[8] 许志龙,施烨,俞鑫春,郭伟 . 基于自学习特征
权重网络的模板匹配研究 [J]. 电子技术与软件工程,2020
(14):139-142.
DOI: http://dx.doi.org/10.12361/2661-3727-05-05-146894
Refbacks
- 当前没有refback。