计算机工程

作者：孙伟, 常鹏帅, 戴亮, 张小瑞, 陈旋, 代广昭

单位：1. 南京信息工程大学 自动化学院, 南京 210044;2. 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;3. 南京信息工程大学 数字取证教育部工程研究中心, 南京 210044;4. 南京信息工程大学 计算机与软件学院, 南京 210044

关键词：车型识别,坐标注意力,数据增强,注意力裁剪,注意力擦除

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）。

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。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期