典型文献
融合双注意力机制EfficientNet的沥青路面状态分类方法
文献摘要：
针对现有EfficientNet模型应用于沥青路面状态分类时,卷积操作易导致高层特征信息丢失问题,在现有EfficientNet模型的深层结构中引入一种双注意力机制,包含通道注意力模块和位置注意力模块,借助Sigmoid线性单元(Sigmoid linear unit,SiLU)激活函数和余弦学习率衰减策略,提出一种融合双注意力机制EfficientNet(Dual attention network based on EfficientNet,DAEfficientNet)的沥青路面状态分类方法.首先,建立不同天气下5种沥青路面共5 938张图像作为数据集,积雪样本来自开源数据集(Canadian adverse driving conditions dataset,CADCD).然后,对所提出模型进行训练,并得到沥青路面图像分类结果.最后,利用准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1 score和特异度(Specificity),将所提出模型与其他现有卷积神经网络模型进行分类效果对比分析.试验结果表明:所提出模型优于其他对比模型,能准确、有效地对不同天气下的沥青路面状态进行分类.
文献关键词：
卷积神经网络;双注意力机制;沥青路面;路面分类
中图分类号：
[3]
交通运输（U）
/
公路运输（U4）
/
道路工程（U41）
/
路基、路面工程（U416）
/
路面工程（U416.2）
/
路面：按使用材料分（U416.21）
/
沥青路面（U416.217）
作者姓名：
杨炜;黄立红;屈晓磊
作者机构：
长安大学汽车学院 西安 710064;北京航空航天大学仪器科学与光电工程学院 北京 100191
文献出处：
引用格式：
[1]杨炜;黄立红;屈晓磊-.融合双注意力机制EfficientNet的沥青路面状态分类方法)[J].机械工程学报,2022(24):211-222
A类：
DAEfficientNet,CADCD,路面分类
B类：
双注意力机制,沥青路面,状态分类,分类方法,模型应用,卷积操作,特征信息,信息丢失,深层结构,通道注意力模块,位置注意力,Sigmoid,linear,unit,SiLU,激活函数,余弦,学习率衰减,Dual,attention,network,不同天气,积雪,开源数据集,Canadian,adverse,driving,conditions,dataset,出模,路面图像,图像分类,Accuracy,精确率,Precision,召回率,Recall,score,Specificity,卷积神经网络模型,分类效果,效果对比,对比模型
AB值：
0.342626
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。
