多尺度改进Xception的花卉图像分类方法

针对传统图像分类方法在花卉图像上存在分类效果不佳的问题，提出一种改进Xception网络的方法。首先结合Res2net中的多尺度模块来提高模型特征信息的丰富度，提出Multi＿Xception网络，接着使用1×1卷积核对多尺度深度可分离卷积模块的输入特征图进行信道压缩，减少模型参数的同时进一步丰富模型特征信息，提出Multi2＿Xception网络。将改进模型应用于Flowers Recognition花卉数据集分类，实验结果表明，该方法相较于原算法分类准确率提升了1.64%,F1-score提升了0.018，验证了多尺度Xception网络的有效性。