融合自注意力机制改进ResNet的图像分类方法

为解决在大数据集的图像分类任务上,卷积神经网络因缺乏全局信息导致识别准确率受限制的问题,提出将自注意力机制引入卷积神经网络。首先,通过卷积神经网络提取图像特征、改进自注意力模块;其次,基于卷积运算计算注意力的CA模块重构特征图,以突出重要特征并抑制一般特征,为网络加入全局信息;最后,在输出层Avgpool后引入Dropout层减少过拟合,提升模型鲁棒性和泛化性能。在公开数据集ImageNet-1K、Oxford 102 Flowers和CIFAR-100的实验表明,所提方法识别准确率相较于ResNet50分别提升1.8%、0.72%和13.7%,相较于ResNet50模型的识别性能更优。

AI城市大脑助推智慧城市建设

目前,社会各界对城市环境和城市形象的关注度越来越高,传统的、被动式的城市治理模式已经难以满足信息化社会的需求,很大程度上制约了城市管理工作的高效运转。为形成本地AI生态产业链以服务城市新经济发展,考拉悠然打造OSMAGIC码极客人工智能操作系统,该系统可以快速实现场景数据服务于算法训练,算法驱动场景应用,场景应用赋能数字化产业的完整链条。同时为打造“全面感知、准确判断、快速预警”的城市公共安全保障治理体系,在OSMAGIC码极客基础上,结合图像处理、场景感知和物体识别、行为分析等技术,研发一套智慧城市综合治理AI应用平台。考拉悠然智慧城市建设相关产品已成功应用到阿布扎比、合肥,以及宜宾等城市。