基于注意力卷积模块的深度神经网络图像识别

摘要：

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.

关键词：图像识别、残差模块、注意力、深度神经网络

所属期刊栏目：55

分类号：TP183(自动化基础理论)

资助基金：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

在线出版日期：2019-05-14（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：9-16