基于改进VGG16网络模型的花卉分类

为进一步提高花卉分类的准确率,在对现有的VGG16网络模型进行研究的基础上,提出一种基于视觉注意力机制的网络模型.将SE视觉注意力模块嵌入到VGG16网络模型中,实现了对花卉显著性区域特征的提取;为有效防止梯度爆炸及梯度消失,加快网络的训练和收敛的速度,在各卷积层后加入BN层;采用多损失函数融合的方式对新模型进行训练.新模型能有效提取花卉的花蕊、花瓣等显著性区域,放大了花卉的类间距离,缩小了类内距离,加快了网络的收敛,进一步提高了花卉分类的准确率.实验结果表明,新模型在Oxford-102数据集上的分类准确率比未引入注意力前有较大提高,与参考文献相比,分类准确率也有较大的提高.