典型文献
基于特征融合和注意力的图像分类研究
文献摘要：
针对图像分类算法准确率的问题,提出一种基于特征融合和注意力机制的附加模块.首先利用浅层和深层网络特征图相融合的方法,其次引入通道注意力机制,选择性强调有用的特征信息,大幅提升分类精度,在分类层上使用全局平均池化代替全连接层,降低模型在训练过程中出现过拟合现象的风险.最后在Kaggle花子分类数据集和CIFAR-10数据集上验证了将模块附加于VGG16、VGG19和AlexNet,提升了损失函数收敛速度,对比原网络具有更好的分类效果.
文献关键词：
图像分类;特征融合;通道注意力;全局平均池化
中图分类号：
作者姓名：
彭曦晨;葛斌;邰悦
作者机构：
安徽理工大学计算机科学与工程学院,安徽淮南 232000
文献出处：
引用格式：
[1]彭曦晨;葛斌;邰悦-.基于特征融合和注意力的图像分类研究)[J].合肥学院学报（综合版）,2022(02):91-97
A类：
B类：
特征融合,分类研究,图像分类算法,深层网络,网络特征,特征图,通道注意力机制,特征信息,分类精度,全局平均池化,全连接层,训练过程,过拟合,Kaggle,花子,分类数据,CIFAR,加于,VGG16,VGG19,AlexNet,损失函数,收敛速度,分类效果
AB值：
0.442234
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
