基于双重模糊注意力机制的图像分类方法

来源：电子测量技术杂志2025年第19期北京时间：

作者：顾苏杭，王冶，张远鹏，焦竹青

单位：1.常州大学王诤微电子学院 常州 213159; 2. 常州大学计算机与人工智能学院 常州 213159; 3. 南通大学医学院 南通 226001; 4. 常熟理工学院电气与自动化工程学院 苏州 215500

摘要：人类视觉系统在处理外界信息时，往往聚焦于目标的关键特征和结构，同时弱化非目标区域。此外，在经典的CNN模型中，图像中的噪声经逐层传播可能会干扰目标关键信息表征，导致无法准确提取特征。为此，本文提出一种基于双重模糊注意力机制的图像分类方法DFAM-CNN。首先，针对CNN卷积层输出的特征图，通过引入模糊逻辑技术设计了模糊通道注意力机制和模糊空间注意力机制，并利用这两个机制在特征图的通道和空间方向上进行映射变换，生成与原特征图一一对应的重要模糊化特征图。其次，基于所有重要模糊化特征图，实现所有特征图通道权重和特征图内每个元素权重的计算，从而在通道和空间方向上突出与目标相关的特征。最后，通过模糊聚合操作对特征图进行降维，同时保留与目标相关的特征。为验证DFAM-CNN的有效性，在公开数据集MedMNIST和应用案例数据集上进行了大量的实验，实验结果验证了DFAM-CNN的有效性。特别地，与传统的最大池化方法相比，DFAM-CNN在BreastMNIST和DermaMNIST子集上的准确率分别提升了8.67%和7.40%。

关键词：卷积神经网络;模糊逻辑技术;模糊通道注意力机制;模糊空间注意力机制

基金资助：国家自然科学基金（62106025、51877013）、江苏省自然科学基金（BK20210940）、江苏省“333工程”（2024-3-0484）项目资助