基于特征融合和注意力的图像分类研究

摘要

针对图像分类算法准确率的问题,提出一种基于特征融合和注意力机制的附加模块。首先利用浅层和深层网络特征图相融合的方法,其次引入通道注意力机制,选择性强调有用的特征信息,大幅提升分类精度,在分类层上使用全局平均池化代替全连接层,降低模型在训练过程中出现过拟合现象的风险。最后在Kaggle花子分类数据集和CIFAR-10数据集上验证了将模块附加于VGG16、VGG19和AlexNet,提升了损失函数收敛速度,对比原网络具有更好的分类效果。