典型文献
融合注意力机制的高效率网络车型识别
文献摘要：
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％.
文献关键词：
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
中图分类号：
作者姓名：
柳长源;何先平;毕晓君
作者机构：
哈尔滨理工大学 测控技术与通信工程学院,黑龙江 哈尔滨 150080;中央民族大学 信息工程学院,北京 100081
文献出处：
引用格式：
[1]柳长源;何先平;毕晓君-.融合注意力机制的高效率网络车型识别)[J].浙江大学学报（工学版）,2022(04):775-782
A类：
高效率网络
B类：
车型识别,识别算法,特征描述,缩放,深度可分离卷积,取模,模型准确率,双通道,残差注意力机制,关键信息,富语义,语义信息,特征图,softmax,分类器,标签平滑正则化,损失函数,过拟合,BIT,Vehicles,平均分,分类准确率,进前,DCNN,Faster,改进算法
AB值：
0.29911
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
