首页|期刊导航|湖南工业大学学报|相机源识别方法中的自适应注意力密集网络结构研究

相机源识别方法中的自适应注意力密集网络结构研究OA

中文摘要

为了提高深度学习模型在相机源识别领域的识别精度,设计了自适应注意力密集网络结构,并提出了自适应权重注意力方法。设计的网络结构包括预处理结构、密集连接结构、注意力结构、正则化结构4部分。注意力机制结构中采用自适应权重注意力方法,通过引入自适应权重因子,实现参数自适应优化,以便获取适应不同数据特点的最优注意力权重,提升模型特征学习和特征表达能力。并在两个经典数据集上进行了对比实验和消融实验。在对比实验中,与3个经典网络进行了比较,实验结果表明设计网络的识别性能在两个数据集上分别比其他3个网络至少提高了5.547%,9.58%;消融实验结果表明,提出方法的识别性能在两个数据集上分别比其他消融方法至少提高了2.107%,4.732%。

吴昊璇;文志强

湖南工业大学计算机与人工智能学院,湖南株洲412007湖南工业大学计算机与人工智能学院,湖南株洲412007

信息技术与安全科学

相机源识别注意力机制自适应权重卷积神经网络

《湖南工业大学学报》 2026 (1)

P.85-91,7

湖南省自然科学基金资助项目(2022JJ50051,2024JJ7149)湖南省教育厅科学研究基金资助项目(22A0414,21A0350)。

10.20271/j.cnki.1673-9833.2026.1012

评论