基于注意力引导数据增强的车型识别

摘要：

车型识别在智能交通系统中发挥着重要作用.受车辆数据不足、车辆类间差异小等因素的影响,传统车型识别方法未充分利用车辆鉴别性区域的特征,导致识别准确率降低.提出一种基于注意力模块引导数据增强的车型识别方法.将ResNet-50作为骨干网络提取车辆特征,同时在网络的每个残差块后均嵌入坐标注意力模块,编码成一对方向感知和位置敏感的注意力图,以增强车辆鉴别性区域的特征表达.在此基础上,利用双线性注意力汇集操作生成增强特征图,通过对增强特征图进行注意力裁剪和注意力擦除,获取具有强鉴别性的增强数据.在Stanford Cars车辆数据集上的实验结果验证了该方法的有效性,结果表明,该方法的车型识别准确率达到94.86％,与RA-CNN、MA-CNN、WS-DAN+Inception-v3等方法相比,能够有效提高车型识别准确率和数据增强效率.

关键词：车型识别、坐标注意力、数据增强、注意力裁剪、注意力擦除

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省自然科学基金;江苏省研究生科研与实践创新计划项目;大学生创新创业训练项目;大学生创新创业训练项目;大学生创新创业训练项目

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：300-306