一种基于像素级别空间感知注意力的细粒度车型识别方法技术

本发明专利技术属于车辆识别技术领域,涉及一种基于像素级别空间感知注意力的细粒度车型识别方法，首先，建立可提取更为精细的注意力区域的像素级别的空间感知注意力模块，空间感知注意力模块包含：特征捕获、特征融合和特征激励三个部分，其次，将前步骤中建立的空间感知注意力模块插入到卷积神经网络中，形成包含空间感知注意力模块的卷积神经网络，本发明专利技术提出的基于像素级别空间感知注意力模块的细粒度车型识别方法通过特征捕获、特征融合和特征激励后提高了神经网络算法的性能，将细粒度车型识别的准确性提高至90％以上。别的准确性提高至90％以上。别的准确性提高至90％以上。

【技术实现步骤摘要】
一种基于像素级别空间感知注意力的细粒度车型识别方法


[0001]本专利技术属于车辆识别
，涉及一种基于像素级别空间感知注意力的细粒度车型识别方法。

技术介绍

[0002]近年来，随着计算机视觉和智能交通技术的迅速发展，细粒度车型识别(FVGA)引起了人们的广泛关注。FVGA是细粒度目标识别的一个重要且典型的研究分支，它区别于小轿车、大卡车、公交车等的粗粒度车型识别，目标是根据车辆的表观特征识别其更加精细的属性，包括制造厂商、具体型号和生产年份等。由于能够提供更详细的车辆属性信息，FGVR在智能交通、安防监控、停车门禁系统等各个领域具有巨大的应用潜力。此外，FGVR技术可以提高基于图像的车辆检索的准确性和效率，从而带来更广泛的应用场景。当前主流车辆网站大多使用基于关键字的车辆搜索。然而，这种方法可能只适合熟悉汽车品牌的消费者，对于不熟悉汽车品牌的消费者来说，很难找到他们喜欢的车辆。因此利用FGVR技术进行精准搜索，可以显著提升用户体验。总体而言，FGVR在各种应用中具有巨大的潜力，是一个很有前景的研究课题。细粒度车辆识别是一种根据车辆的视觉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于像素级别空间感知注意力的细粒度车型识别方法，其特征在于，包括如下步骤：步骤一：建立可提取更为精细的注意力区域的像素级别的空间感知注意力模块，所述空间感知注意力模块包含：特征捕获、特征融合和特征激励三个部分，所述空间感知注意力模块在与输入图像相同的空间尺度上学习注意力掩模；步骤二：将步骤一中建立的空间感知注意力模块插入到卷积神经网络中，形成包含空间感知注意力模块的卷积神经网络；所述特征捕获用于完成从主干网中选取不同卷积阶段的特征映射图进行预处理，以减少特征冗余，规范特征映射图尺寸；所述特征捕获包括如下步骤：步骤S1
‑
1：捕获深度卷积神经网络的特征并降维得到特征图；步骤S1
‑
2：对降维后的特征图上采样；步骤S1
‑
3：对低级特征图降维得到输出特征图；所述特征融合用于完成高低级特征融合，获得像素级别的空间感知特征；所述特征融合包括如下步骤：步骤S2
‑
1：完成高级特征与低级特征拼接；步骤S2
‑
2：使用卷积块融合高低级特征；步骤S2
‑
3：使用Dropout降低高低层特征耦合性；步骤S2
‑
4：输出特征图；所述特征激励用于完成激励空间感知特征，获得空间感知注意力权重；所述特征激励包括如下步骤：步骤S3
‑
1：获得空间感知特征；步骤S3
‑
2：获得空间权重。2.根据权利要求1所述的一种基于像素级别空间感知注意力的细粒度车型识别方法，其特征在于，所述步骤S1
‑
1中，特征捕获需捕获深度卷积神经网络的高级特征和低级特征；捕获深度卷积神经网络的高级特征和低级特征使用1
×
1卷积先对高级特征F
h
进行降维得到特征图从而减少网络的计算量；式中，H、W、C分别表示特征图的高度、宽度和通道数。3.根据权利要求2所述的一种基于像素级别空间感知注意力的细粒度车型识别方法，其特征在于，所述...

【专利技术属性】
技术研发人员：张世娇，鲁磊，王萍，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：