基于距离损失函数的特征融合模型

来源：计算机技术与发展杂志2023年第12期北京时间：

作者：林益文;杨啸;陈青;邱新媛;任维泽

摘要：卷积神经网络在图像识别任务中表现出出色的学习语义特征的能力,实现了相关目标对象的高精度检测,然而其通常只关注图像最具识别能力的特定区域,忽视了部分有价值的语义特征。 为提高卷积神经网络的识别能力,提出一种基于距离损失函数的特征融合模型。 该方法利用欧氏余弦复合距离损失函数迫使基础模型学习具有差异的特征概念,通过并置特征融合法整合差异化的特征概念进行目标识别。 实验使用了多种基准卷积神经网络骨架、数个流行数据集和不同样本量进行多因素交叉分析,从准确率数据和类激活图两个方面证实了该方法能够丰富基础模型语义特征的多样性,提升融合模型的识别性能,并且具有有效性和普遍性,同时利用数学统计方法也揭示了该方法的应用特征与优势。

关键词：深度学习;卷积神经网络;语义特征;距离函数;模型融合