文献类型：期刊文章

作　　者：张俊飞[1] 张贵英[2]

ZHANG Junfei;ZHANG Guiying(Information and Modern Educational Technology Center,Guangzhou Medical University,Guangzhou 511436,China;School of Basic Medicine,Guangzhou Medical University,Guangzhou 511436,China)

机构地区：[1]广州医科大学信息与现代教育技术中心,广州511436 [2]广州医科大学基础医学院,广州511436

出　　处：《自动化与仪器仪表》

基　　金：广东省医学科学技术研究基金(No.A2020194)。

年　　份：2021

期　　号：9

起止页码：87-90

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：CBAM注意力机制可以无缝嵌入神经网络模型中,以提高模型性能。当前国内外学者已在众多智能研究领域引用了CBAM机制。然而,CBAM机制内部池化操作并不能充分表达信号特征。为提高CBAM机制性能,提出利用离散余弦变换频率分量代替池化操作。CBAM机制通道注意力采用各通道前k个最高离散余弦变换频率分量代替池化操作;空间注意力采用通道维度离散余弦变换所有频率分量代替池化操作。通过六组原生和改进CBAM机制对比实验可知:改进CBAM机制和ResNet50的整合后心音分类效果更加精准;前16个最高离散余弦变换频率分量能够充分表达信息通道特征。

关 键 词：离散余弦变换 CBAM ResNet50  

分 类 号：TP391.9]