基于通道相似度注意力的图像分类研究.pdf

计算机应用 信息技术与信息化
基于通道相似度注意力的图像分类研究
对不同的通道信息有所偏重，对于通道两两之间相似度较高
则面临巨大的挑战，如何从大规模数据中自动地获取特征知
的通道特征，减少相应的权重，通道两两之间相似度较低的
识，让模型对数据自动进行分类，面临大规模数据时性能不
特征，增加相应的权重，减少特征的冗余性，更好地综合有
至于出现断崖式下降，是需要研究的问题。近年来，随着卷
用的通道内的信息并舍弃无用通道的信息，通过对通道内的
积神经网络（convolutional neural network，CNN）[5] 的
信息进行加权，得到所有通道有偏重的聚合后的特征，利用
出现，自动地通过学习的方式获取图像特征并进行分类成
这种聚合后的特征，能够实现更好的分类效果。
为可行的方法。一些经典的卷积神经网络框架也随之出现，
本文在 ResNet 的网络结构中加入了融合通道相似度的
如视觉几何群网络（visual geometry group，VGG） [6]，
注意力模块，并分别在 CIFAR-10 和 CIFAR-100 训练集和测
ResNet 等深度网络。VGG 可以用于多种视觉任务的主干网络，
试集上进行训练和测试，得到优于 ResNet 网络的实验结果，
如目标检测任务、实例分割任务、语义分割任务、图像分类
说明融合通道相似度的注意力模块能够更好地为机器理解世
等任务。ResNet 网络是为解决网络层数过深，模型训练困难