基于切分通道注意力网络的图像分类算法

摘要

通道注意力机制可以有效利用不同的特征通道，通过对特征图的通道进行加权和调整，使得卷积神经网络可以更加关注重要的特征通道，以提高卷积神经网络的分类能力.然而，对于使用全局平均池化来获取通道全局特征的方法，特征图中不同的通道有极大概率出现相同的均值，使得全局平均池化后的特征缺乏多样性，进一步影响网络分类性能.针对此问题，提出一种切分通道注意力机制来构建模块，该模块对全局平均池化的输出维度进行了扩展，减轻全局平均池化造成的信息丢失，增强了通道注意力中全局平均池化层的特征多样性，然后使用多个一维卷积分别计算通道维度上每个区域的注意力权重.将切分通道注意力机制与多种图像分类网络相结合，在CIFAR-100和ImageNet数据集上进行了图像分类实验.实验结果表明，切分通道注意力机制在保持轻量化的基础上仍然能有效提高模型的精度，并且与其他注意力机制相比也表现出较好的优势.

关键词

图像分类 / 通道注意力 / 全局平均池化 / 高效通道注意力 / 模型解释

基金资助

国家自然科学基金资助项目（61971004)