视觉鹰眼注意力：推进图像分类的新视角

Mahmudul Hasan

视觉鹰眼注意力：推进图像分类的新视角

计算机视觉与模式识别 2024-12-10 v2 人工智能

作者: Mahmudul Hasan

摘要

在计算机视觉任务中，聚焦于图像内相关区域的能力对提升模型性能至关重要，特别是当关键特征微小、细微或空间分散时。卷积神经网络（CNN）通常同等对待图像的所有区域，这可能导致特征提取效率低下。为应对这一挑战，我提出了视觉鹰眼注意力，一种利用卷积空间注意力增强视觉特征提取的新型注意力机制。该模型应用卷积捕捉局部空间特征，并生成注意力图，选择性地强调图像中最有信息量的区域。这种注意力机制使模型能够聚焦于判别性特征，同时抑制无关背景信息。我将视觉鹰眼注意力集成到轻量级 ResNet-18 架构中，证明该组合产生了一个高效且强大的模型。我在三个广泛使用的基准数据集上评估了所提模型的性能：FashionMNIST、Intel 图像分类和 OracleMNIST，主要关注图像分类。实验结果表明，所提方法提高了分类准确率。此外，该方法有潜力扩展到其他视觉任务，如目标检测、分割和视觉跟踪，为广泛的基于视觉的应用提供计算高效的解决方案。代码可在以下地址获取：https://github.com/MahmudulHasan11085/Vision-Eagle-Attention.git

关键词

视觉鹰眼注意力卷积空间注意力图像分类 ResNet-18 注意力机制特征提取轻量级模型

引用

@article{arxiv.2411.10564,
  title  = {Vision Eagle Attention: a new lens for advancing image classification},
  author = {Mahmudul Hasan},
  journal= {arXiv preprint arXiv:2411.10564},
  year   = {2024}
}

备注

7 pages, 2 figures, 3 tables

视觉鹰眼注意力：推进图像分类的新视角

摘要

关键词

引用

备注

相关论文