文章标题：基于改进EfficientNet的水下图像识别
文章作者：丁元明1,2, 杨安娜1,2, 康伟1,2关 键 字：水下图像识别;迁移学习;EfficientNet;APRelu激活函数;SK注意力机制
文章摘要：针对水下图像存在细节模糊、多尺度以及识别模型计算资源大等问题，提出一种改进EfficientNet的图像识别模型。该模型通过迁移学习在公开数据集上训练得到初始模型参数，提出自适应参数化修正线性单元激活函数（Adaptively Parametric ReLU，APRelu）和基于选择性内核网络的注意力（Selective Kernel Network，SK）模块加强处理图像的细节特征和多尺度问题。通过保留所有MBConv6模块中的第一个Layer，并在最后一个MBConv6模块后嵌入BN和APRelu模块，加快其收敛速度并去除冗余特征。使用数据增强、十折交叉验证、快照集成等策略提高模型性能。实验对比表明，该模型在测试集上的准确率达到了97.32％，相对于改进前提高了3.75％，具有较高的识别性能。