面向轻量化网络的改进双通道注意力机制图像分类方法

2021-11-12 11:19:19宋泰年秦伟伟梁卓王魁刘刚
航空兵器 2021年5期
关键词:人工智能

宋泰年 秦伟伟 梁卓 王魁 刘刚

摘 要:为解决弹载终端环境下深度卷积神经网络模型体积较大、 运算硬件要求高的问题, 构建了一种基于改进双通道注意力机制的轻量化网络结构。 针对网络轻量化会牺牲分类准确率的问题, 以轻量化网络结构MobileNetV2为基准网络架构, 引入自主设计的注意力模块, 设计了基于SPP-DCAM模块的MobileNetV2网络架构, 使卷积层学习的显著特征图的权重增加, 以提升其分类准确率; 设计的空间信息与通道信息并联输入, 通过定义1×1和3×3的小卷积在保证结构轻量化的基础上减少了计算量和计算复杂度。 最后, 在cifar-100图像分类数据集进行实验对比。 结果表明: 相对于改进MobileNetV2, 在参数量和计算复杂度基本不变的基础上, 分类精度优于传统的VGG16, ResNet18和DenseNet卷积网络, 综合性能更强, 更适合弹载计算资源有限情况下的快速分类。

关键词: MobileNetV2; 注意力机制; 图像分类; 卷积神经网络;  轻量化网络; 人工智能

中图分类号: TJ760; TP183  文献标识码:    A  文章编号: 1673-5048(2021)05-0081-05

0 引  言

近年来, 卷积神经网络发展迅猛, 取得了丰硕的成果。 在军事应用方面, 卷积神经网络被用来识别并检测军事目标, 但是在弹载终端环境中, 对于网络以及硬件的要求较高, 需要网络在保证识别准确率的基础上保持轻量化且嵌入性能好。 随着AlexNet[1]在ImageNet大型数据集上的分类准确率实现质的飞越后, 卷积神经网络朝着复杂化趋势发展, 卷积层数也越来越多。 代表性网络有2014年提出的VGG[2]和GoogLeNet[3], 两者分别增加卷积神经网络的深度和宽度以提升网络性能。……

登录APP查看全文

猜你喜欢
人工智能
我校新增“人工智能”本科专业
用“小AI”解决人工智能的“大”烦恼
汽车零部件(2020年3期)2020-03-27 05:30:20
当人工智能遇见再制造
AI人工智能解疑答问
人工智能与就业
IT经理世界(2018年20期)2018-10-24 02:38:24
基于人工智能的电力系统自动化控制
人工智能,来了
数读人工智能
小康(2017年16期)2017-06-07 09:00:59
人工智能来了
学与玩(2017年12期)2017-02-16 06:51:12
下一幕,人工智能!
南风窗(2016年19期)2016-09-21 16:51:29