摘要
文章探索了一种基于注意力增强的图像识别方法,该方法采用了ResNet-34 网络,并引入了AB-SENet注意力增强模块.AB-SENet模块能够接收辅助分支的输出,引入更多上下文信息,自适应地调整通道权重,使得模型能够更有针对性地关注图像中的关键特征.实验结果表明,在CIFAR-100 数据集上,相比较标准的ResNet-34 网络和SENet注意力机制,AB-SENet注意力增强模块在Accuracy、Precision、Recall 和 F1 四个指标上都有明显的增长,分别达到了 78.35%、78.66%、78.35%和 78.82%,在图像分类任务中取得了更好的综合性能,该方法对于提高图像识别的实际应用能力和性能具有积极的意义.
维普
万方数据