基于改进ResNet50模型的体育图像分类

摘要

针对体育图像分类任务中图像内容复杂、动作姿态多变以及背景干扰较大等问题，提出一种基于改进ResNet50模型的体育图像分类算法.首先，在残差结构内部嵌入挤压和激励模块，以自适应增强关键通道特征，提升特征表达能力；其次，在此基础上引入特征金字塔网络，实现多尺度特征的有效融合，增强模型对不同尺寸目标的感知能力；最后，通过全局平均池化与全连接层完成分类预测.实验结果表明，该方法的分类准确率较传统ResNet50模型约提高5%,充分体现了其在应对复杂动作与多变背景时的稳健性和优越性.实验结果不仅验证了该方法的有效性和可行性，且为体育视频分析、智能运动训练等相关领域的应用提供了更可靠的技术支撑与实践参考.

关键词

深度残差网络 / 体育图像分类 / ResNet50模型 / 注意力机制 / 多尺度特征融合