TY -的A2 - Ren,金昌盟——江,魏盟——孟Xianglian AU - Xi,霁PY - 2022 DA - 2022/03/10 TI -多级注意力和多尺度特性融合网络作者绘画分类中国水墨技法SP - 9188356六世- 2022 AB -如何有效地提取特征代表高能力一直是一个研究课题和挑战分类任务。大部分的现有方法主要解决这个问题通过使用深卷积神经网络特征提取器。尽管一系列优秀的网络结构已经成功的在中国的水墨画领域分类,但大多数人采用的方法只是简单的增加不同规模的网络结构和直接融合特性,这限制了网络进一步提取语义丰富和尺度不变的特征信息,从而阻碍提高分类性能。本文基于多层次关注小说模型和多尺度特性提出了融合。模型提取三种类型的从低级特征图谱,中层和高层pretrained深层神经网络首先的层。底层和中层特征图谱是由空间注意处理模块,然而高层特征图尺度不变性处理的模块来增加scale-invariance属性。此外,采用条件随机域模块融合优化的三个特征图,和随后的频道关注模块细化功能。最后,多层次深监督策略是利用优化模型更好的性能。为了验证模型的有效性,广泛的在中国的水墨画中创建的数据集实验结果这项工作表明,该分类模型的性能优于其他主流研究方法。SN - 1026 - 0226 UR - https://doi.org/10.1155/2022/9188356 - 10.1155 / 2022/9188356摩根富林明离散动力学自然界和社会中PB - Hindawi KW - ER