首页|基于注意力双线性池化的细粒度舰船识别

基于注意力双线性池化的细粒度舰船识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对当前细粒度图像识别的模型结构复杂且只能学习到单一判别性特征的问题,对一种弱监督学习下基于注意力双线性池化的细粒度舰船识别方法进行研究.该方法首先将通道注意力机制和空间注意力机制与卷积神经网络相结合,在没有监督信息的条件下分别提取图像的深度通道特征和深度空间特征.然后通过双线性池化操作对提取到的深度通道特征和深度空间特征进行特征融合,使得通道特征和空间特征形成关联和交互,从而使网络能够学习到更丰富的图像局部特征.最后再将学习到的局部特征和深度神经网络提取到的全局特征进行拼接,利用全连接层得到最终的图像融合特征用于舰船图像的细粒度分类.针对当前缺少自然场景下的舰船数据集问题,进行了相关舰船图像数据的收集工作,建立了针对自然场景舰船细粒度检测的数据集,并在该数据集上进行了训练和测试,该模型的识别准确率可以达到91.3％.
Weakly Supervised Fine-grained Natural Scene Ship Recognition via Attention Bilinear Pooling

姜孟超、范灵毓、李硕豪

展开 >

军事科学院 战略评估咨询中心,北京 100091

96962部队,北京 102206

国防科技大学 信息系统工程重点实验室,湖南 长沙 410073

弱监督学习 细粒度图像识别 通道注意力机制 空间注意力机制 双线性池化

国家自然科学基金国防科技战略先导计划

6167145920ZLXD22090300501

2022

10.3969/j.issn.1673-629X.2022.08.011

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(8)
  • 1
  • 3