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
更新时间:
为了解决现有车辆识别算法对车辆特征描述不足的问题,提出了一种融合注意机制的高效网络车辆识别算法。在高效网络中采用复合尺度法来平衡网络的深度、宽度和分辨率,并将深度可分离卷积集成到基本特征提取模块中,以提高模型的精度。通过增加双通道剩余注意机制,对图像中的关键信息进行聚焦,得到语义信息更丰富的特征图。在网络末端添加一个单独的softmax分类器,并使用标签平滑正则化处理损失函数,以减少模型过度拟合的问题。在bit车辆数据集上的实验结果表明,该方法的平均分类精度为96.83%,比改进的模型高1.11%,优于现有的D-Aristole算法。改进的Eiffel-Tower-Aristole算法比Eiffel-Tower-r-Aristole算法高7.16%