典型文献
多尺度混合注意力胶囊网络的海洋鱼类识别
文献摘要：
针对胶囊网络(capsule network,CapsNet)特征提取结构单一和数据处理中参数量过大的问题,提出多尺度混合注意力胶囊网络模型.首先,在网络初始端添加不同尺度的卷积核来多角度提取特征,并引入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰.其次,采用局部剪枝算法优化动态路由,减少参数量,缩短模型训练时间.最后,在海洋鱼类数据集F4K(Fish4 Knowledge)上验证,结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convolutional neural network,B-CNN)、分层精简双线性注意力网络(spatial trans-formation network and hierarchical compact bilinear pooling,STN-H-CBP)以及 CapsNet 模型相比,该算法识别精度为98.65％,比ResNet-50模型提升了 5.92％;训练时间为2.2 h,相比于CapsNet缩短了近40 min,验证了该算法的可行性.
文献关键词：
胶囊网络(CapsNet);图像识别;动态路由算法;注意力机制;多卷积核
中图分类号：
作者姓名：
许学斌;刘燊莲;路龙宾;刘晨光
作者机构：
西安邮电大学计算机学院,陕西西安710121;西安邮电大学陕西省网络数据分析与智能处理重点实验室,陕西西安710121
文献出处：
引用格式：
[1]许学斌;刘燊莲;路龙宾;刘晨光-.多尺度混合注意力胶囊网络的海洋鱼类识别)[J].光电子·激光,2022(11):1158-1164
A类：
F4K,Fish4,network50
B类：
注意力胶囊网络,海洋鱼类,鱼类识别,capsule,CapsNet,参数量,量过大,不同尺度,提取特征,混合注意力机制,特征区域,来降,复杂背景,背景干扰,剪枝算法,算法优化,模型训练,训练时间,Knowledge,残差网络,residual,ResNet,双线性,线性网络,bilinear,convolutional,neural,精简,注意力网络,spatial,trans,formation,hierarchical,compact,pooling,STN,CBP,算法识别,识别精度,图像识别,动态路由算法,多卷积核
AB值：
0.415469
相似文献
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。
