基于压缩与激励机制和残差连接的SRG古陶瓷器形分类

TP183; 为实现基于器型的古陶瓷入库器型分类并节约计算成本,提高分类精度,提出基于GoogLeNet的改进算法SRG(SE-Res-GoogLeNet).将压缩与激励机制(Squeeze-and-Excita-tion)和优化后Inception块结合,通过对整个输入特征信息进行嵌入压缩,并自适应的重新校准通道方向的特征响应,来加强CNN提取图像特征能力.针对改进后网络层数加深导致的网络退化问题,结合残差思想,加入跳跃连接,提高模型感知能力,带来性能优化.最后将SRG算法应用于古陶瓷器型分类问题中,实验表明,SRG算法在自制古陶瓷器型数据集上,Top-5分类准确率由91.23％提高至95....

Full description

Saved in:
Bibliographic Details
Published in陕西科技大学学报 Vol. 40; no. 1; pp. 161 - 181
Main Authors 杨云, 史雯倩, 宋清漪
Format Journal Article
LanguageChinese
Published 陕西科技大学 电子信息与人工智能学院,陕西 西安 710021 2022
Subjects
GoogLeNet;压缩与激励机制;残差连接
Online AccessGet full text

Cover

More Information
Summary:TP183; 为实现基于器型的古陶瓷入库器型分类并节约计算成本,提高分类精度,提出基于GoogLeNet的改进算法SRG(SE-Res-GoogLeNet).将压缩与激励机制(Squeeze-and-Excita-tion)和优化后Inception块结合,通过对整个输入特征信息进行嵌入压缩,并自适应的重新校准通道方向的特征响应,来加强CNN提取图像特征能力.针对改进后网络层数加深导致的网络退化问题,结合残差思想,加入跳跃连接,提高模型感知能力,带来性能优化.最后将SRG算法应用于古陶瓷器型分类问题中,实验表明,SRG算法在自制古陶瓷器型数据集上,Top-5分类准确率由91.23％提高至95.15％.
ISSN:2096-398X
DOI:10.3969/j.issn.1000-5811.2022.01.024