双核压缩激活神经网络艺术图像分类

目的 为了充分提取版画、中国画、油画、水彩画和水粉画等艺术图像的整体风格和局部细节特征，实现计算机自动分类检索艺术图像的需求，提出通过双核压缩激活模块（double kernel squeeze-and-excitation，DKSE）和深度可分离卷积搭建卷积神经网络对艺术图像进行分类。方法 根据SKNet（selective kernel networks）自适应调节感受野提取图像整体与细节特征的结构特点和SENet（squeeze-and-excitation networks）增强通道特征的特点构建DKSE模块，利用DKSE模块分支上的卷积核提取输入图像的整体特征与局部细节特征；将分支上的特征图进行特征融合，并对融合后的特征图进行特征压缩和激活处理；将处理后的特征加权映射到不同分支的特征图上并进行特征融合；通过DKSE模块与深度可分离卷积搭建卷积神经网络对艺术图像进行分类。结果 使用本文网络模型对有无数据增强（5类艺术图像数据增强后共25 634幅）处理的数据分类，数据增强后的分类准确率比未增强处理的准确率高9.21%。将本文方法与其他网络模型和传统分类方法相比，本文方法的分类准确率达到86.55%，比传统分类方法高26.35%。当DKSE模块分支上的卷积核为1×1和5×5，且放在本文网络模型第3个深度可分离卷积后，分类准确率达到87.58%。结论 DKSE模块可以有效提高模型分类性能，充分提取艺术图像的整体与局部细节特征，比传统网络模型具有更好的分类准确率。

Art image classification with double kernel squeeze- and-excitation neural network