基于多尺度特征融合注意力机制的纸病分类方法研究

针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。