细粒度图像识别与分类算法研究 下载：63 浏览：809
宁枢麟 刘洋 梁顺利 《信号处理与图像分析》 2024年2期
摘要: 针对深度学习常用人脸识别方法训练不易收敛、图像分辨率低影响大等问题，提出了一种基于通道注意力模块的多尺度特征融合残差神经网络(channel attetion multi-scale fusion)CAMF-ResNet。该方法基于残差块和softmax损失的人脸识别方法，改进了残差网络，利用特征金字塔提取不同层次的特征进行信息融合，并融合了不同尺度的特征，它可以获得更多的描述性信息，提高图像表示的性能。在端到端网络特征提取中，利用注意机制提取相应的高阶特征表示，得到描述能力强的图像表示。实验结果表明，该方法能有效解决深层网络退化和参数过多的缺陷，提高对细粒度图像判别性区域的精细化能力进而提高模型分类精度以获得更高描述性信息特征表示。
