用于图像分类的空间特征重校准DenseNet

• 作者: 张磊 卢婷 郭文静 刘国华 黄秋波
• 来源期刊: 新一代信息技术
• 关键词: 注意力机制 空间特征重标定模块(SFRM) SFRM-DenseNet 图像分类
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 科技论文
• 页码范围: 32-36
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.2096-6091.2021.10.006

摘要

图像中包含的不同类型的信息对分类精度有不同程度的贡献,但是现有的卷积神经网络(CNNs)缺乏对不同类型信息的描述能力.为了提高CNNs对不同类型信息的感知能力并捕获更重要的特征,本文提出将一种在空间上采用注意力机制的空间特征重新校准模块(SFRM)作为辅助模块嵌入到DenseNet网络的密集连接块中.基于这种新型的密集连接块,本文提出了一种名为SFRM-DenseNet的网络.大量实验证明SFRM可以提高DenseNet网络的图像分类性能.具体而言,SFRM-DenseNet网络在CIFAR-10和CIFAR-100数据集上实现的图像分类错误率均低于DenseNet网络ResNet等著名网络.