基于SE模块改进Xception的动物种类识别

• 作者: 倪黎 邹卫军
• 来源期刊: 导航与控制
• 学科: 工学
• 关键词: 深度学习 Xception 深度可分离卷积 SE模块 通道关系 动物种类识别
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息与人工智能
• 页码范围: 106-111
• 页数: 6页
• 分类号: TP391.4
• 字数: 3075字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-5558.2020.02.015

摘要

Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度.由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation)模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高.通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB 2002011数据集上提升了1％～1.7％和0.8％～1％,证明了SE模块能够进一步提升Xception的精确度.将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63％的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹卫军	南京理工大学自动化学院	35	177	8.0	12.0
2	倪黎	南京理工大学自动化学院	1	0	0.0	0.0