-
题名基于注意卷积模块的遥感图像场景分类应用
被引量：5
- 1
-
-
作者
王李祺
高翔
程蓉
谭秀辉
白艳萍
-
机构
中北大学数学学院
中北大学信息与通讯工程学院
-
出处
《陕西科技大学学报》
北大核心
2023年第2期199-206,共8页
-
基金
国家自然科学基金项目(61774137)
山西省基础研究计划项目(202103021224195,202103021224212,202103021223189,20210302123019)
山西省回国留学人员科研计划项目(2020-104,2021-108)。
-
文摘
遥感场景分类任务中,面对遥感场景中类间相似性,类内多样性的挑战,直接应用卷积神经网络是局限的.现有的注意力机制在嵌入网络末端位置时,增强卷积神经网络表达场景图像的能力相较于嵌入其他位置时较弱.因此,提出基于注意卷积模块(ACM)的MoblieNetv2模型框架,增强了注意力机制在卷积神经网络末端表达场景图像的能力.首先通过主干网络提取丰富的深度语义特征图,然后将ACM嵌入主干网络的末端,以此关注更加显著的特征区域.嵌入的ACM模块可以在不显著增加网络计算量的同时,有效地提高网络分类性能.该模块在嵌入CNN末端位置时相较于现有的注意力机制模块有着较佳的性能.在RSSCN7和RSOD两个公开的遥感场景数据集上,平均分类精度相较于MoblieNetv2分别提升2.42%和1.64%.实验结果表明ACM相比于已有的注意力机制在网络末端具有泛化性和更佳的分类精度.
-
关键词
遥感图像
图像分类
卷积神经网络
注意力机制
moblienetv2
-
Keywords
remote sensing images
image classification
convolutional neural networks
attention mechanisms
moblienetv2
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进YOLOv4网络的轻量化交通标志检测模型
被引量：3
- 2
-
-
作者
王泽华
宋卫虎
吴建华
-
机构
河北工程大学信息与电气工程学院
-
出处
《电脑知识与技术》
2022年第5期98-101,104,共5页
-
文摘
针对在嵌入式车载交通标志识别系统对检测模型的大小以及实时性有着较高的要求,在基于原有YOLOv4的网络架构上,提出一种改进后的目标检测网络Mobilenetv2-YOLOv4-SAP。Mobilenetv2-YOLOv4-SAP通过使用轻量级卷积神经网络Mobilenev2对原YOLOv4网络的特征提取网络CSPDarknet53进行替换融合以及引入注意力机制SAP模块解决多通道池化层的信息冗余问题,从而在减少网络模型参数量和计算量的同时,保持较高的检测精度。通过实验表明,改进后的网络模型在Kaggle Road sign detection比赛数据集上的平均检测精度上达到了95.94%较原YOLOv4网络提升了0.34%,该网络模型的大小为48.97MB,仅为原YOLOv4模型大小的20%,且检测速率FPS达到了61帧/秒,相比于原YOLOv4网络模型提升了265%。
-
关键词
交通标志识别
moblienetv2
信息冗余
目标检测
YOLOv4
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
