基于改进ResNet网络的猫狗图像识别

动物种类的识别一直是图像识别领域的重点，为了更好地对图像中动物进行识别、帮助社会对家庭宠物的管理，本论述提出一种基于ACNet模块和CBAM注意力机制模块而改进的ACResNet18模型用来识别猫狗种类，通过非对称卷积快增强网络模型的核骨架，实现更有效的特征提取，引入CBAM注意力机制加强网络识别精度，能够更精确地对图像中猫狗进行识别和分类。本次实验使用Kaggle竞赛中的猫狗数据集进行图像识别，并通过对比实验，验证了相比于原模型，改进后的模型准确率有明显提升，最终提高了模型在图像分类上的精确度和鲁棒性，证实了该模型的可靠性。