融合注意力机制的高效率网络车型识别

• 作者: 柳长源 何先平 毕晓君
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 车型识别 高效率网络 残差注意力机制 标签平滑正则化 深度可分离卷积
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 计算机技术、信息工程|Computer Technology, Information Engineering
• 页码范围: 775-782
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2022.04.017

摘要

为了解决现有的车型识别算法对车型特征描述不充分的情况,提出融合注意力机制的高效率网络车型识别算法.利用高效率网络中的复合缩放方式来平衡网络的深度、宽度和分辨率,将深度可分离卷积集成到基础特征提取模块中来提高模型准确率.增加双通道的残差注意力机制来关注图片中的关键信息,获得含有更加丰富语义信息的特征图.在网络的末端添加单独的softmax分类器,使用标签平滑正则化对损失函数进行处理,减小模型过拟合的问题.在BIT-Vehicles数据集上进行实验,结果表明,提出方法的平均分类准确率为96.83％,较改进前的模型提高了1.11％,优于现有DCNN、Faster-CNN的改进算法,较Faster R-CNN提升了7.16％.