基于注意力增強(qiáng)的圖像識別方法*

打開文本圖片集

摘要：文章探索了一種基于注意力增強(qiáng)的圖像識別方法，該方法采用了ResNet-34網(wǎng)絡(luò)，并引入了AB-SENet注意力增強(qiáng)模塊。AB-SENet模塊能夠接收輔助分支的輸出，引入更多上下文信息，自適應(yīng)地調(diào)整通道權(quán)重，使得模型能夠更有針對性地關(guān)注圖像中的關(guān)鍵特征。實(shí)驗(yàn)結(jié)果表明，在CIFAR-100數(shù)據(jù)集上，相比較標(biāo)準(zhǔn)的ResNet-34網(wǎng)絡(luò)和SENet注意力機(jī)制，AB-SENet注意力增強(qiáng)模塊在Accuracy、Precision、Recall 和 F1 四個(gè)指標(biāo)上都有明顯的增長，分別達(dá)到了78.35%、78.66%、78.35%和78.82%，在圖像分類任務(wù)中取得了更好的綜合性能，該方法對于提高圖像識別的實(shí)際應(yīng)用能力和性能具有積極的意義。（剩余5611字）