基于改进EfficientNet的细粒度图像识别

普通CNN模型直接应用于细粒度图像识别时关键特征提取不充分,导致模型细粒度识别准确率较低,针对这个问题,论文提出了一种基于改进EfficientNet的细粒度图像识别算法,以EffcientNetB3为主干,在全局平均池化层(GAP Layer)之前添加一个CBAM注意力模块,提升模型关键特征提取能力。论文利用迁移学习训练得到细粒度识别网络,实验结果表明,训练得到的改进模型在CUB-200-2011数据集上的识别准确率达到了84.5%左右,相比于原网络准确率提升了5.4%,另外与常用CNN模型相比模型复杂度更低,识别准确度更好。