融合自适应小波变换的纹理分类网络
原文中文,约300字,阅读约需1分钟。发表于: 。将可学习的小波模块整合到卷积神经网络中,以增强纹理特征提取,并通过在 ResNet18 模型中引入并行小波分支,实现对空间和频率域纹理特征的同时分析,从而提高了分类准确性。在收集的超声波数据集和公开的自然图像纹理数据集上进行实验,我们的模型在超声波数据集上实现了 97.27% 的准确率和 95.60% 的召回率,在自然图像纹理数据集上实现了 60.765% 的准确率,超过了 ResNet...
通过整合小波模块到卷积神经网络中,引入并行小波分支提高了ResNet18模型的纹理特征提取和分类准确性。在超声波和自然图像纹理数据集上实验,模型准确率分别达到97.27%和95.60%。