基于改进残差网络的道口车辆分类方法
为了提高模型在道口环境下的车辆图像的特征提取和识别能力,提出了一种基于改进残差网络的车辆分类方法.首先以残差网络为基础模型,改进了残差块中激活函数的位置,并将残差块中的一般卷积用分组卷积代替,引入注意力机制,用焦点损失函数替换交叉熵损失函数.实验部分先用公开数据集Stanford Cars进行预训练,再用自建的道口车辆数据集进行迁移学习.结果 表明,改进模型在两个数据集中的准确率均优于几种经典的深度学习模型.
机器视觉、注意力机制、车型识别、残差网络、损失函数
58
TP391.4(计算技术、计算机技术)
国家重点研发计划;河北省自然科学基金
2021-04-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
376-382