科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对细粒度图像特征信息冗余、特征表征差异不明显、识别准确率较低的问题，在ResNet50模型的基础上，提出了一种融合了多尺度特征信息的网络模型MSFResNet。首先设计了一个多尺度特征提取模块，利用不同尺度的卷积核获取特征图的多尺度信息，同时，利用通道注意力机制增加网络对全局信息的获取。之后通过短连接将多尺度特征提取模块处理后的特征图与深层特征图融合，以引导网络充分学习，改善深层网络特征图纹理细节丢失的问题，达到提升网络泛化能力和识别准确率的目的。最后，通过使用公共数据集验证了MSFResNet模型的有效性，并将MSFResNet模型应用于野生菌识别。实验结果表明，在公共数据集FGVC-Aircraft上，MSFResNet模型相较于ResNeXt50模型，准确率提升了6.01%；在野生菌数据集上，本文所提出的MSFResNet模型，取得了99.13%的分类准确度，比ResNeXt50模型提升0.47%。同时热力图实验结果也表明，MSFResNet模型明显地减少了背景信息的干扰，使网络重点关注野生菌主体所在位置，可有效提升野生菌识别的准确率。
- 单位
