一种基于改进Inception v4模型的图像分类方法

本发明属于深度学习和图像分类技术的技术领域，设计一种基于改进Inception v4模型的图像分类方法，包括构建数据集；在Inception v4的Inception模块中嵌入CBAM注意力机制，使得网络在空间和通道双维度上有选择的强化对任务有利的特征，提高特征提取质量，优化特征空间；在Reduction模块中嵌入FRN层，对卷积层输出的特征图进行归一化处理，使得特征在不同的滤波器和样本之间具有更稳定的分布，从而加速模型训练收敛，提高模型的泛化能力；使用Cross‑Entropy Loss作为损失函数将训练集中在那些高质量的正例上，有助于获得更高的AUC；最后将改进后的模型与原始Inception v4模型对比，使用相同数据集训练后，准确率(Accuracy)、精确率(Precision)、召回率(Recall)，F1得分(F1_score)分别对模型进行对比和评价，本发明可以加强图像分类效率和提高模型分类准确率。