BriefGPT - AI 论文速递
·
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。
📝
内容提要
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%。
🎯
关键要点
-
整合可学习的小波模块到卷积神经网络中。
-
引入并行小波分支以增强纹理特征提取。
-
在ResNet18模型中实现空间和频率域纹理特征的同时分析。
-
在超声波数据集上模型准确率达到97.27%。
-
在自然图像纹理数据集上模型准确率达到95.60%。
-
模型在自然图像纹理数据集上的准确率为60.765%，超过了ResNet的准确率。
-
验证了所提方法的有效性。
➡️
