基于双线性RepVGG注意力网络的花卉分类

作     者：侯向宁 赵金伟 黄孝斌 蒋维成 HOU Xiangning;ZHAO Jinwei;HUANG Xiaobin;JIANG Weicheng

作者机构：成都理工大学工程技术学院四川乐山614000 核工业西南物理研究院成都610200 西安理工大学计算机科学与工程学院西安710048 

出 版 物：《激光杂志》 (Laser Journal)

年 卷 期：2024年第45卷第4期

页      面：165-171页

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基　　金：国家自然科学基金(No.62176210) 成都理工大学工程技术学院基金项目(No.C122020006) 

主　　题：双线性卷积神经网络 RepVGG 注意力机制 细粒度 结构重参数化 

摘      要：为进一步提高花卉分类的准确率,在对双线性卷积神经网络、RepVGG及注意力机制进行研究的基础上,提出一种基于双线性RepVGG注意力机制的网络模型。首先利用RepVGG网络替换原始的特征提取网络VGG,以提高对花卉主要特征的提取能力;然后在两个RepVGG网络中分别引入通道注意力及空间注意力机制,并利用两个RepVGG网络外积后生成的高维双线性特征,来提取花卉的细粒度特征;最后通过结构重参数化,将RepVGG的各层转换为单路结构,以提高模型推理的速度。实验结果表明,在增强的Oxford-102数据集上,新模型与原始模型及常见模型相比,其推理速度及分类准确率均有较大的提升,与未引入注意力前相比,分类准确率也有一定的提升。