基于注意力机制的卷积神经网络在图像分类中的应用

• 作者: 陈耀文 谭晓玲
• 来源期刊: 科学技术创新
• 学科: 工学
• 关键词: 卷积神经网络 注意力机制 图像分类
• 年，卷（期）: 2021,（34）
• 所属期刊栏目: 创新创业论坛
• 页码范围: 166-169
• 页数: 4页
• 分类号: TP391.41|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2021.34.060

摘要

卷积神经网络通过学习图像的特征表示进行图像分类,然而图像特征中往往存在大量的无关特征甚至是干扰特征,这些特征的学习阻碍了网络性能的提升,因此,如何去除无效特征,强化关键特征成为了CNN图像分类的研究方向之一.注意力机制模仿人脑接受外部信息时只处理重要信息而滤除次要信息的机制有效的解决了这个问题.将注意力机制与CNN结合可以更好的关注图像上下文信息,使网络具有甄别特征中关键特征的能力,提高网络性能.本文从基础的CNN注意力模型出发,分析介绍了不同的注意力模型及其发展方向,从多个角度综合概述了不同注意力模型的优缺点和差异性.最后,本文对这些网络模型做出了分析总结,探讨了CNN注意力模型在图像分类领域存在的一些问题和未来可能的研究方向.