DAResNet:基于动态卷积与注意力的鱼类分类算法  

作　　者：尚浩然 俞洋[1] 

机构地区：[1]江苏理工学院电气工程学院,江苏常州213001

出　　处：《物联网技术》2025年第4期133-137,共5页Internet of things technologies

基　　金：国家自然科学基金资助项目(61601208);江苏省自然科学基金资助项目(BK20160294);常州市5G+工业互联网融合应用重点实验(CM20223015)。

摘　　要：针对现有水下鱼类分类准确率低,抗干扰能力和泛化能力差等问题,本研究在ResNet-D模型的基础上,设计了一种名为DAResNet的模型。首先,将主干网络中的部分卷积替换为全维动态卷积模块,以提高网络模型的特征提取能力及网络准确率;接着,通过引入高效多尺度注意力机制进一步增强模型对关键特征的识别和响应能力,以提升模型的抗干扰性;最后,在下采样阶段,引入高斯模糊和挤压激励注意力平滑特征并强化模型对关键信息的提取,以提升泛化能力。相比原始算法,DAResNet在水下鱼类识别任务中准确率提升了3.05%,性能提升明显,证明了所提方法的有效性。

关 键 词：全维动态卷积 注意力机制 深度学习 特征提取 高斯模糊 挤压激励注意力 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]