一种基于改进残差网络的图像分类方法、设备和存储介质

    公开(公告)号:CN114782737A

    公开(公告)日:2022-07-22

    申请号:CN202210295560.9

    申请日:2022-03-24

    摘要: 本发明涉及一种基于改进残差网络的图像分类方法,包括以下步骤:收集原始图像作为训练数据;对训练数据进行预处理;构建图像分类模型,图像分类模型以残差网络作为主干网络,在残差网络中的每个Conv Block中增加CBAM卷积注意力模块,在Idenfify Block中增加SE激励模块;CBAM卷积注意力模块基于注意力机制对输入特征进行特征提取,所述SE激励模块对每个通道的重要性进行预测,并对输入特征的对应通道进行激励,识别图像不同局部区域的重要程度;利用预处理后的训练数据对所述图像分类模型进行训练;利用训练好的图像分类模型进行图像分类;本发明在残差网络中增加了注意力模块和激励模块,使得分类的召回率、准确率大幅度提升,同时解决细粒度的图像分类任务问题。

    一种图像目标检测方法及系统
    49.
    发明公开

    公开(公告)号:CN114519383A

    公开(公告)日:2022-05-20

    申请号:CN202210011584.7

    申请日:2022-01-06

    摘要: 本发明公开了一种图像目标检测方法及系统,采用基于注意力机制的网络结构提取图像特征,而后采用区域生成网络生成候选区域方法,最后采用非极大值抑制去除多余的侯选框,得到最终的检测结果。目标检测过程为:输入图片,图片经主干网络和空间网络提取特征。主干网络将卷积后的图像特征数据输入到空间网络模块和融合网络模块。空间网络、主干网络和融合网络模块的输出特征,以及后续添加的卷积层的输出特征,作为后续回归和分类的依据。通过RPN算法产生多个先验框,再通过NMS进行过滤,得到最终的目标检测结果。本发明实施例通过基于注意力机制的图像目标检测方法,在提升总体识别准确率的情况下,进一步提升小目标物体的检测识别能力。