计算机科学与探索

作者：姜文涛, 李威达, 张晟翀

单位：1. 辽宁工程技术大学 软件学院，辽宁 葫芦岛 1251052. 光电信息控制和安全技术重点实验室，天津 300308

关键词：图像分类,背景支持,全域特征响应,特征还原,残差网络

基金：国家自然科学基金（61601213）；辽宁省自然科学基金（20170540426）；辽宁省教育厅重点基金（LJYL049）。

针对目前图像分类方法缺少背景信息支持，导致模型分类精度受限的问题，提出背景支持下的全域特征响应图像分类网络（BGRNet）。该网络以WRN残差网络为基础，提出新的背景支持激活函数BS，通过BS激活函数引入背景支持机制，使网络在关注目标前景信息的同时，也能够平滑地关注背景信息；提出全域特征响应模块（BGR），并将BGR嵌入到残差分支中，对图像全域特征进行还原，在一定程度上减少因卷积操作而产生的特征信息损失；调整残差块内部网络结构，通过调整残差块中激活函数、批量归一化的前向传播顺序并删除Dropout（Dropout Regularization），放大BS激活函数对整体网络模型的背景支持作用，促进背景信息在网络中的有效传递。BGRNet通过引入背景信息支持机制，不仅考虑了目标前景信息在图像分类过程中的支持作用，还考虑了背景信息在分类过程中的支持作用，在提升网络分类精度的同时，有效提高了网络训练效率。在FashionMNIST、KMNIST、CIFAR-10、CIFAR-100、SVHN数据集上的实验结果表明，BGRNet显著提高了基线模型的分类性能，且与当前主流方法相比，BGRNet具有较高的分类准确率和较强的泛化性能。

来源：2025年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第5期