融合注意力选择机制的CondenseNet算法

摘要

本发明提供了一种融合注意力选择机制的CondenseNet算法，包括通过m个网络结构块对卷积神经网络中的数据进行特征提取，每个结构块包含n组完整的特征变换层，数据通过每一层特征变换层得到相对应的特征矩阵；将m个网络结构块级联连接，通过网络结构块的数据经过特征提取得到最终的特征矩阵；将上述得到的特征矩阵计算网络训练的损失值；计算各层误差项和权值梯度；根据损失值判断网络是否收敛，如不收敛，依据权值梯度调整卷积神经网络初始化参数重新进行训练，如已收敛则输出网络训练结果。本发明所述的融合注意力选择机制的CondenseNet算法，高效利用多维特征信息，增强深层网络的学习和表达能力，提高分类准确率。