多尺度注意力机制的电子元器件深度迁移识别方法

电子元器件的识别对于现代电子产品的智能生产和制造具有重要的作用，为了进一步获取电子元器件图像的关键特征，提升图像细粒度表达能力，提出一种基于多尺度注意力机制深度迁移识别方法。以Xception为主干网络架构，引入多尺度池化通道注意力和多尺度空间注意力模块，结合空间金字塔池化的思想，对特征图的每个通道进行不同尺度的最大池化和均值池化，获取通道方向上不同尺度的特征信息；在空间层面上进行不同尺度的空洞卷积，增大特征图的感受野，获取更加全面的空间特征信息；通过深度迁移学习，实现特征参数共享，进一步提高模型的泛化能力。在5种常见的电子元器件数据集上进行实验，结果表明，所提方法能有效获取图像不同尺度的显著特征信息，提升识别效果。