基于多层特征融合机制的细粒度图像分类研究

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

简繁

搜索

DOI: 10.12361/2661-3727-05-05-146894

基于多层特征融合机制的细粒度图像分类研究

四川旅游学院

全文直达

引用

收藏

打印

摘要：本研究提出三种基于Bilinear CNN的细粒度图像分类改进模型，采用多层特征融合机制。通过对VGG16基网络结构的改动，分别使用相加、交叉和混合三种特征融合方式获得更丰富的图像信息，增强了不同层和同一层中不同子层的信息互通。在此基础上，引入全局池化、R-S激活函数和自学习权重特征融合等局部优化策略，进一步提升特征提取和训练效率。实验结果表明，新模型的分类精确度达到86.94%。

关键词：

Bilinear CNN；细粒度分类；特征融合；全局池化；R-S激活函数

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2023,5(5)

x