SE-CMT语义信息补充的特征提取模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：在图像分类中，有益的语义信息补充可以高效捕捉关键区域，提高分类性能。为了获得有益的图像语义信息，提出了一种SE-CMT（SE-Networks CNN Meet Transformer）模型。该模型依据简单的CNN特征提取理论，输入图像通过SE-CMT Stem重标定前面提取到的特征，再通过SE-CMT Block中的深度卷积层来增强特征。（剩余13820字）

试读结束

目录
monitor