基于注意力引导数据增强的车型识别

作     者：孙伟 常鹏帅 戴亮 张小瑞 陈旋 代广昭 SUN Wei;CHANG Pengshuai;DAI Liang;ZHANG Xiaorui;CHEN Xuan;DAI Guangzhao

作者机构：南京信息工程大学自动化学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学计算机与软件学院南京210044 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2022年第48卷第7期

页      面：300-306页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61304205) 江苏省自然科学基金(BK20191401,BK20201136) 江苏省研究生科研与实践创新计划项目(SJCX21_0363) 大学生创新创业训练项目(202010300290,202010300211,202010300116E) 

主　　题：车型识别 坐标注意力 数据增强 注意力裁剪 注意力擦除 

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。