基于改进ResNet模型的图像分类方法

摘要：

卷积神经网络是一种具有卷积结构的深层前馈神经网络模型,被广泛地应用于图像分类等重要领域.针对原始ResNet网络提取特征能力不足的问题,提出一种基于改进ResNet模型的图像分类方法.将现有的SE通道注意力机制,嵌入到原始ResNet网络中每个残差结构的末端,进行跨信道的信息交互,捕捉更显著的通道或像素信息.在CIFAR-100和CIFAR-10数据集上进行大量的实验表明,相对于原始的ResNet网络,Top-1 Error和Top-5 Error下降明显.

关键词：卷积神经网络、图像分类、SENet、ResNet

所属期刊栏目：6

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：83-85