期刊专题

10.3778/j.issn.1002-8331.1812-0047

基于注意力卷积模块的深度神经网络图像识别

引用
对于在深度神经网络的中间层分支进行深度融合,产生潜在可以共享有用信息的基础网络,从而优化信息流动,提升深度神经网络的性能,是近期的深度神经网络研究的挑战.对此提出一种基于注意力卷积模块的深度神经网络的图像识别方法.改进的模块主要分为树干分支与软分支两部分,在树干分支上,由两组残差模块组成,使该模块适用于其他深度神经网络;在软分支上,将给定的中间特征图沿着两个维度(空间与通道)获取注意力特征图,对输入中间特征图进行调整,强化有用信息抑制无用信息.改进的卷积残差模块既能解决输入与输出的尺寸不一致的问题,也能强化图像的关键信息与有效促进网络的信息流动.通过对cifar-10、cifar-100、ck+、AVEC2017数据集进行实验,实验结果表明了提出的方法应用于ResNet-50网络上对比Hu提出的方法在训练耗时相差不到0.3%的情况下,识别图像准确率有0.9%~1.2%的提高.

图像识别、残差模块、注意力、深度神经网络

55

TP183(自动化基础理论)

广东省自然科学基金2016A030313703;广东省交通运输厅科技项目科技-2016-02-030;广东省科技计划项目2016B030305002;广东省自然科学基金2016A030313713;广东省科技计划产学研项目2017B090901005

2019-05-14(万方平台首次上网日期,不代表论文的发表时间)

共8页

9-16

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

55

2019,55(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn