图像分析和识别 | 浏览量 : 0 下载量: 110 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 特征重排列注意力机制的双池化残差分类网络

    • Double-pooling residual classification network based on feature reordering attention mechanism

    • “在图像分类领域，FDPRNet通过特征重排列注意力机制和双池化残差结构，显著提升了分类准确率和模型泛化能力。”
    • 2025年30卷第1期 页码：110-129   

      收稿日期：2024-02-04，

      修回日期：2024-05-13，

      纸质出版日期：2025-01-16

    • DOI： 10.11834/jig.240061     

    移动端阅览

  • 袁姮， 刘杰， 姜文涛， 刘万军. 2025. 特征重排列注意力机制的双池化残差分类网络. 中国图象图形学报， 30(01):0110-0129 DOI： 10.11834/jig.240061.
    Yuan Heng， Liu Jie， Jiang Wentao， Liu Wanjun. 2025. Double-pooling residual classification network based on feature reordering attention mechanism. Journal of Image and Graphics， 30(01):0110-0129 DOI： 10.11834/jig.240061.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

卢贝 南昌航空大学信息工程学院
盖杉 南昌航空大学信息工程学院
杨佳林 太原理工大学电气与动力工程学院
郭学俊 太原理工大学大数据学院
陈泽华 太原理工大学大数据学院
余凌霄 南京航空航天大学计算机科学与技术学院
郝洁 南京航空航天大学计算机科学与技术学院;软件新技术与产业化协同创新中心
左量 南京航空航天大学计算机科学与技术学院

相关机构

南昌航空大学信息工程学院
江西省图像处理与模式识别重点实验室
太原理工大学电气与动力工程学院
太原理工大学大数据学院
南京航空航天大学计算机科学与技术学院
0