-
公开(公告)号：CN116310506A
公开(公告)日：2023-06-23
申请号：CN202310090225.X
申请日：2023-02-09
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/44 , G06V10/77 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于Transformer轻量化模型的图像分类方法，属于深度学习图像分类的领域，包括以下步骤：S1:对ShuffleNetV2的基本模块和下采样模块进行改进，ShB模块是在基本模块中加入了跳跃连接和ECA，将下采样模块与多特征提取、ECA和Ghost模块相结合提出ShD模块；S2：根据ViT模块提出一种局部和全局信息交互的ShT模块；S3：将ShD与ShB和ShT模块进行有效设计堆叠，构建ShViT网络；S4：ShViT网络在分类数据集上进行训练及测试，得到分类结果。本发明搭建了参数量低、所需内存资源低的轻量化网络模型ShViT，能够在参数量减少的情况下实现较好的分类性能。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
