基于Octave卷积和自注意力机制的车型识别研究

发布时间：2021-12-09 10:44

　　随着数据中图像信息的增长,对图像和视频的分析、信息提取越来越重要,如何对图像进行精准分析、分类,提高图像识别的准确率是现阶段研究人员的主要研究方向之一。人工智能技术、机器学习的快速发展和卷积神经网络的提出让图像分类领域取得了新的进展。为了更好的提高图像识别的准确度,本文对卷积神经网络中的卷积层进行了改进,并添加了通道域自注意力机制。本文主要贡献为:（1）为了提高卷积神经网络的识别准确率,提出一种基于Octave卷积层结构的OCM（Octave Convention Multilayer Perceptron）优化卷积层和OCM神经网络。和传统卷积层相比,OCM卷积层结构中添加了一个多层感知器,可以提高卷积层的非线性表达能力。和传统神经网络相比,基于OCM卷积层的OCM神经网络扩大了特征图中低频分量的感受野,提高卷积层捕获上下文信息的能力。实验结果表明,在CIFAR-10和CIFAR-100数据集上,本文提出的OCM卷积神经网络和传统模型相比,图像识别准确率分别提高了5.5%和9.8%。（2）针对通道域注意力机制Excitation操作的激活函数出现的梯度消失问题,采用了新的激活函数,函... 

【文章来源】：河南大学河南省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

AlexNet网络结构图

VGG结构图

不同结构的VGG神经网络（配置D的识别效果最好）


本文编号：3530501