典型文献
深度特征融合与重构的微纤维识别算法
文献摘要：
针对传统卷积神经网络分类识别微纤维存在特征判别不明显的问题,构建了一种深度特征融合与重构的网络对其进行分类与识别.将卷积与深度可分离卷积特征进行融合,加强层间信息交流,提高特征判断指向能力,并在上采样之前分配通道和空间的权重进行特征重构,利用通道注意力与空间注意力相结合的策略使网络在学习的过程中将注意力集中在关键的特征信息处,同时,跳跃连接增加原始特征图,缓解拟合现象,强化微纤维区域关键特征信息,提升微纤维图像识别网络模型的表达能力和学习能力,从而改善微纤维识别效果.实验结果表明,微纤维识别率达到98.77％,通过特征图可视化进一步分析了特征融合与重构的作用.所构建的方法准确率高、泛化能力好,为微纤维分类识别提供了一种新的方案.
文献关键词：
微纤维识别;特征融合;特征重构;深度学习;深度可分离卷积;权重分配;通道注意力;空间注意力
中图分类号：
作者姓名：
吕璐璐;陈树越;王利平;许霞
作者机构：
常州大学 阿里云大数据学院,江苏 常州 213164;常州大学 环境与安全工程学院,江苏 常州 213164
文献出处：
引用格式：
[1]吕璐璐;陈树越;王利平;许霞-.深度特征融合与重构的微纤维识别算法)[J].现代电子技术,2022(01):83-88
A类：
微纤维识别
B类：
深度特征融合,识别算法,神经网络分类,分类识别,存在特征,深度可分离卷积,卷积特征,加强层,信息交流,断指,上采样,特征重构,通道注意力,空间注意力,过程中将,特征信息,跳跃连接,特征图,关键特征,图像识别,识别网络,表达能力,识别率,图可视化,泛化能力,纤维分类,权重分配
AB值：
0.267065
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。
