基于两阶段迁移学习的 Multi-scale SE-ResNet50深度卷积神经网络的多标签航空图像分类问题研究

作     者：刘乙萱 苏鑫 LIU Yi-xuan;SU Xin

作者机构：中国民航大学理学院天津300300 中远海运散货运输有限公司天津300010 

基　　金：中央高校基本科研业务费中国民航大学专项基金(3122022061) 

出 版 物：《数学的实践与认识》 (Mathematics in Practice and Theory)

年 卷 期：2023年第53卷第6期

页      码：174-186页

摘      要：航空图像分类问题具有背景复杂多变,物体类别多样的特点,传统的多标签分类方法识别准确率低,泛化效果不佳.本文提出基于两阶段迁移学习的Multiscale SE-ResNet50分类方法,构建以ResNet50为核心的深度卷积特征提取网络.通过设计多尺度特征提取模块,增强模型对特征的细化能力;采取SENet与ResNet残差模块进行级联的方式在模型中嵌入通道注意力机制,强化对特征图中关键通道信息的提取;利用两阶段迁移学习优化模型初始化参数,进一步提高模型精度和泛化能力.实验结果表明,算法在UCM多标签数据集上的macro-F1为98.4%,分别高于MobileNet v2,VGG16,Inception v3,DenseNet121,ResNet50模型11.2%,69.6%,3.4%,69.6%,2.2%,该方法可以有效提高航空图像多标签分类任务的准确率.

主 题 词：航空图像分类 多标签 ResNet50 多尺度特征融合 注意力机制 迁移学习 

学科分类：12[管理学] 081802[081802] 08[工学] 083002[083002] 0830[工学-生物工程类] 1201[管理学-管理科学与工程类] 081104[081104] 080203[080203] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

馆 藏 号：203122579...