基于改进DenseNet的牛眼图像特征提取方法

• 作者: 郑志强 胡鑫 翁智 王雨禾 程曦
• 来源期刊: 计算机应用
• 关键词: 牛眼图像 特征提取 深度学习 DenseNet DropBlock
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 前沿与综合应用|Frontier and comprehensive applications
• 页码范围: 2780-2784
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020101533

摘要

针对牛眼图像特征提取过程中由于梯度消失和过拟合造成的识别准确率较低的问题,提出一种基于改进DenseNet的牛眼图像特征提取方法.首先采用缩放指数线性单元(SeLU)激活函数防止网络梯度消失;其次通过DropBlock随机丢弃牛眼图像的特征块,从而防止过拟合,并加强网络的泛化能力;最后将改进后的稠密层进行叠加以组成改进的DenseNet(Dense convolutional Network).在自建牛眼图像数据集上进行特征信息提取识别实验的结果表明,改进后的DenseNet识别准确率、精确率和召回率分别为97.47％、98.11％和97.90％;较改进前的网络在识别准确率、精确率和召回率上分别提升了2.52个百分点、3.32个百分点和2.94个百分点,可见改进后的网络具有较高的精度与鲁棒性.