用于图像分类的空间特征重校准DenseNet

摘要

图像中包含的不同类型的信息对分类精度有不同程度的贡献,但是现有的卷积神经网络(CNNs)缺乏对不同类型信息的描述能力。为了提高CNNs对不同类型信息的感知能力并捕获更重要的特征,本文提出将一种在空间上采用注意力机制的空间特征重新校准模块(SFRM)作为辅助模块嵌入到DenseNet网络的密集连接块中。基于这种新型的密集连接块,本文提出了一种名为SFRM-DenseNet的网络。大量实验证明SFRM可以提高DenseNet网络的图像分类性能。具体而言,SFRM-DenseNet网络在CIFAR-10和CIFAR-100数据集上实现的图像分类错误率均低于DenseNet网络ResNet等著名网络。