MAFDNet：復(fù)雜環(huán)境下圖像自適應(yīng)分類新方法

摘要： 復(fù)雜環(huán)境下，往往困難樣本和簡(jiǎn)單樣本并存，現(xiàn)有分類方法主要針對(duì)困難樣本進(jìn)行設(shè)計(jì)，所構(gòu)建網(wǎng)絡(luò)用于分類簡(jiǎn)單樣本時(shí)會(huì)造成計(jì)算資源的浪費(fèi)；而網(wǎng)絡(luò)修剪和權(quán)重量化等方法則不能同時(shí)兼顧模型的準(zhǔn)確度和存儲(chǔ)開銷。為提升計(jì)算資源的使用效率并有更好的準(zhǔn)確率，本文著眼于輸入樣本的空間冗余，提出了復(fù)雜環(huán)境下圖像自適應(yīng)分類網(wǎng)絡(luò)MAFDNet，并引入置信度作為分類準(zhǔn)確性的判斷，同時(shí)提出了由內(nèi)容損失、融合損失和...