文献类型：期刊文章

作　　者：陈琳琳[1,2] 朱惠娟[1] 朱俊[1] 王晓瞳[1]

Chen Linlin;Zhu Huijuan;Zhu Jun;Wang Xiaotong(Computer College,Nanjing University of Science and Technology Zijin College,Nanjing 210023,China;School of Computer Science and Engineering,Nanjing University of Science and Technology,Nanjing 210094,China)

机构地区：[1]南京理工大学紫金学院计算机学院,江苏南京210023 [2]南京理工大学计算机科学与工程学院,江苏南京210094

出　　处：《南京理工大学学报》

基　　金：江苏省高等学校自然科学研究项目(18KJB520023,20KJB520035);江苏高校“青蓝工程”培养项目;南京理工大学紫金学院科研项目(2020ZRKX0401001)。

年　　份：2020

卷　　号：44

期　　号：6

起止页码：669-675

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为解决传统的图像分类方法精度低的问题,该文提出了一种基于卷积神经网络的图像分类网络模型。首先,提出了一种基于注意力机制的特征注意力模块(FAM),提取不同权重的图像特征。然后,提出了基于FAM的多尺度注意力卷积神经网络(MSACNN),通过3个FAM块提取不同尺度下的精确的图像特征进行分类。将MSACNN与3种典型的卷积神经网络LeNet-5、AlexNet以及残差网络(ResNet)在MNIST数据集上进行了对比,结果表明,MSACNN的分类精度和稳定性效果最好。

关 键 词：卷积神经网络 多尺度 注意力 图像 分类  残差网络  

分 类 号：TP391]