基于改进Res2Net与迁移学习的水果图像分类

作     者：吴迪 肖衍 沈学军 万琴 陈子涵 WU Di;XIAO Yan;SHEN Xuejun;WAN Qin;CHEN Zihan

作者机构：湖南工程学院电气与信息工程学院湘潭411100 湖南大学机器人视觉感知与控制技术国家工程研究中心长沙410082 

基　　金：国家重点研发计划(2020YFB1713600) 国家自然科学基金(62476084) 湖南省教育厅重点项目(24A0528) 湖南省自然科学基金(2022JJ30198) 湖南省研究生科研创新项目(YC202228) 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2025年第54卷第1期

页      码：62-71页

摘      要：针对传统水果图像分类算法特征学习能力弱和细粒度特征信息表示不强的缺点,提出一种基于改进Res2Net与迁移学习的水果图像分类算法。首先,针对网络结构,在Res2Net的残差单元中引入动态多尺度融合注意力模块,对各种尺寸的图像动态地生成卷积核,利用meta-ACON激活函数优化ReLU激活函数,动态学习激活函数的线性和非线性,自适应选择是否激活神经元;其次,采用基于模型迁移的训练方式进一步提升分类的效率与鲁棒性。实验结果表明,该算法在Fruit-Dataset和Fruits-360数据集上的测试准确率相比Res2Net提升了1.2%和1.0%,召回率相比Res2Net提升了1.13%和0.89%,有效提升了水果图像分类性能。

主 题 词：图像分类 Res2Net 动态多尺度融合注意力 激活函数 迁移学习 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.12178/1001-0548.2023258

馆 藏 号：203156903...