基于ResNeSt和改进Transformer的多标签图像分类算法

摘要

目前，基于深度学习的多标签分类算法还存在一些问题，如标签之间的相关性有待提高，如何解决小目标分类等。为此提出了一种多标签图像分类算法，该算法使用分裂注意力网络ResNeSt进行特征提取，并使用BatchFormerV2与Transformer形成双分支网络对特征进行编码，解码阶段使用Transformer Decoder的交叉注意模块来自适应地处理特征以达到更好的分类效果。实验结果表明：该模型在COCO数据集上的mAP为88.4%，在VOC2007数据集上的平均精度为96.0%，一定程度上提高了多标签图像分类的准确率。

关键词

深度学习 / 多标签分类 / ResNeSt / Transformer