计量学报

作者：李鹤喜,李记花,李威龙

单位：五邑大学智能制造学部,广东 江门 529020

关键词：计量学;视觉模型;3重注意机制;深度可分离卷积;神经网络;目标识别

基金：广东省自然科学基金(2016A030313003)

针对目前的深度卷积神经网络(CNN)模型规模大、训练参数多、计算速度慢以及难以移植到移动端等问题,提出了一种深度可分离卷积结合3重注意机制模块(DSC-TAM)的视觉模型。首先,通过深度可分离卷积网络来减少模型参数,提高网络模型的计算速度;其次,引入3重注意机制模块提高网络的特征提取能力,改善网络性能。实验结果表明:该方法的识别率可达99.63%,模型规模降低了13%;与标准卷积神经网络视觉模型及其他方法比较,在保证识别精度的同时减少了网络模型的大小。

来源：2021年第7期

《计量学报》期刊编辑部

查看计量学报杂志2021年第7期