公开(公告)号：CN117636155A

公开(公告)日：2024-03-01

申请号：CN202311491614.X

申请日：2023-11-10

申请人： 桂林电子科技大学

发明人： 林科 ,  唐坚恒 ,  唐洋 ,  郝汝莎 ,  张师豪 ,  黄慧清 ,  覃志松

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

摘要： 本发明公开一种轻量级卷积神经网络的藻类图像分类方法，所提出的藻类分类检测网络模型先使用深度可分离卷积进行特征提取，相较于标准卷积，其参数量更少、计算速度更快、更加轻量化。其次，采用高斯误差线性单元作为激活函数，有效避免梯度消失和梯度爆炸的问题，引入随机正则的思想，增强模型的鲁棒性，同时减少了激活函数的使用，在减少参数量和计算量的同时，避免过度约束特征图的表达能力，降低模型复杂度；再引入轻量级的坐标注意力机制，通过将不同位置的特征进行不同的加权处理，增强模型对空间位置的鲁棒性，使得模型对不同位置的特征不同的响应，提高模型的分类和定位精度；解决了现有网络模型参数量臃肿、计算量大、运行环境要求高的问题。