基于改进EfficeintNetV2S网络模型的图像风格分类

郑 孟然, 司 亚超
河北建筑工程学院

摘要


图像风格分类作为人工智能领域的一项关键应用在数字绘画设计和AIGCArtificial Intelligence Generated
Content领域中扮演着至关重要的角色。随着深度学习的发展卷积神经网络在视觉任务中的应用日益广泛本
文旨在通过构建一个细致划分的六类图像风格的数据集并提出一种基于 SENet的注意力机制改进后的 PSEEfficientNetV2S模型进一步提升风格颜色分类的准确率。改进后的模型在图像风格分类任务上的准确率提升了
2.53%。为了进一步验证模型的泛化能力实验将 PSE-EfficientNetV2S模型应用于 CIFAR-10公共数据集最终准确
率提升了 1.61%。充分证明了 PSK-EfficientNetV2S模型在提高图像风格检测分类性能方面的有效性和普适性。

关键词


图像分类；EfficientNetV2；图像风格纹理表示；注意力机制

全文:

PDF


参考


[1]刘金.基于联合教学知识蒸馏与特征相关性的艺

术 风 格 分 类 研 究 [D].南 昌 大 学，2024.DOI：10.27232/

d.cnki.gnchu.2024.002140.

[2]臧梦薇.基于风格显著性的图像视觉风格分类系

统研究 [D].山东师范大学，2024.DOI：10.27280/d.cnki.

gsdsu.2024.000769.

[3]Shen X, Tang X, Dong P, et al. Research on the

Detection Method of Road Rain, Snow and Icing Based

on Image[C]//2021 IEEE 2nd International Conference on

Information Technology, Big Data and Artificial Intelligence

(ICIBA). IEEE, 2021, 2: 605-609.

[4]Lanzinger E, Theel M. Improving reliability and

sensitivity of a laser snow depth gauge[J]. Presentation at

TECO, 2010.

[5]Tan M, Le Q V. Efficientnetv2: Smaller models

and faster training. arXiv 2021[J]. arXiv preprint

arXiv:2104.00298.


Refbacks

  • 当前没有refback。