基于注意力卷积模块的深度神经网络图像识别

• 作者: 张灵 袁嘉杰 陈云华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像识别 残差模块 注意力 深度神经网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 热点与综述
• 页码范围: 9-16
• 页数: 8页
• 分类号: TP183
• 字数: 8325字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1812-0047

摘要

对于在深度神经网络的中间层分支进行深度融合,产生潜在可以共享有用信息的基础网络,从而优化信息流动,提升深度神经网络的性能,是近期的深度神经网络研究的挑战.对此提出一种基于注意力卷积模块的深度神经网络的图像识别方法.改进的模块主要分为树干分支与软分支两部分,在树干分支上,由两组残差模块组成,使该模块适用于其他深度神经网络;在软分支上,将给定的中间特征图沿着两个维度(空间与通道)获取注意力特征图,对输入中间特征图进行调整,强化有用信息抑制无用信息.改进的卷积残差模块既能解决输入与输出的尺寸不一致的问题,也能强化图像的关键信息与有效促进网络的信息流动.通过对cifar-10、cifar-100、ck+、AVEC2017数据集进行实验,实验结果表明了提出的方法应用于ResNet-50网络上对比Hu提出的方法在训练耗时相差不到0.3%的情况下,识别图像准确率有0.9%~1.2%的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张灵	广东工业大学计算机学院	56	196	8.0	10.0
2	陈云华	广东工业大学计算机学院	35	152	8.0	10.0
3	袁嘉杰	广东工业大学计算机学院	1	2	1.0	1.0