典型文献
基于卷积自编码和残差网络的图像分类算法
文献摘要：
针对图像分类识别困难和精度较差的问题,将卷积自编码(convolutional auto-encode)与改进残差网络(residual network,ResNet)相结合来解决通过大量增加网络参数来提高分类准确率较低的问题,卷积自编码模块与空间注意力模块仅需增加少量参数就可以有效提高图像分类的准确率.算法使用卷积自编码器使得提取的特征多样化,使用1×1的卷积核来进行特征融合,并使用GELU激活函数代替ReLU激活函数来解决网络的过饱和问题,残差网络进行的改进主要是将全连接层替换为卷积层,并将空间注意力机制融入残差块中.通过卷积自编码对图像预处理后,提取的特征由改进的残差网络进行图像分类.选取cifar10/100数据集来进行试验,试验结果表明算法在上述两个数据集中均有良好表现,与其他网络模型相比,网络中的卷积自编码与空间注意力模块仅需增加少量参数即可有效提升网络模型的分类准确率.
文献关键词：
图像分类;残差网络;卷积自编码;cifar数据集;注意力机制
中图分类号：
作者姓名：
蔡雨涵
作者机构：
长江大学电子信息学院 湖北荆州 434000
文献出处：
引用格式：
[1]蔡雨涵-.基于卷积自编码和残差网络的图像分类算法)[J].信息技术与信息化,2022(07):73-76
A类：
GELU
B类：
残差网络,图像分类算法,分类识别,convolutional,auto,encode,residual,network,ResNet,网络参数,分类准确率,注意力模块,卷积自编码器,卷积核,特征融合,激活函数,数代,ReLU,过饱和,全连接层,层替换,卷积层,空间注意力机制,残差块,图像预处理,cifar10
AB值：
0.277394
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。
