基于注意力机制的改进VGG车辆类型识别研究

• 全文链接
• 请求原文

作   者：

章羽;  罗素云;  陈杨钟; 

作者机构：

上海工程技术大学机械与汽车工程学院;  大工科技(上海)有限公司; 

关键词：

注意力机制;  车辆类型识别;  VGG卷积神经网络; 

期刊名称：

农业装备与车辆工程

i s s n：

1673-3142

年卷期：

2022 年 60 卷 008 期

页   码：

82-87

摘   要：

提出一种基于改进VGG11的车辆类型识别算法,用于处理不同类别的车辆型号的识别问题.为了解决一些车辆型号之间非常相似而导致的误检问题,应用注意力机制来增加有效特征图权重,减小无效或效果小的特征图权重,来使得训练模型得到更好的效果,从而提升算法的准确率.为了验证改进的VGG11的性能,将改进模型与经典模型AlexNet和VGG11原模型进行了实验对比.实验结果表明,改进的VGG11模型的收敛速度和精度都要远高于Alexnet和VGG11原模型,在训练50epochs时,就达到了96%的识别精度.