计算机工程

作者：李兰, 郑雨薇, 魏少玮, 胡克勇

单位：1. 青岛理工大学 信息与控制工程学院, 山东 青岛 266520;2. 西安电子科技大学 人工智能学院, 西安 710071

关键词：端到端的深度学习,卷积神经网络,注意力机制,余弦间隔损失函数,商家招牌分类

基金：国家自然科学基金“空气质量时空联合重构关键技术研究”（61902205）。

为解决采用卷积神经网络对商家招牌进行分类时存在特征判别性较差的问题，通过在注意力机制中引入神经网络，提出一种端到端的深度学习卷积神经网络方法。使用卷积注意力模块分别学习通道注意力与空间注意力信息以增强特征的判别性，利用余弦间隔损失函数增强所提取特征的泛化能力，且可在特征空间中减小类内方差与增大类间间隔。实验结果表明，与基于传统交叉损失函数方法相比，该方法通过将注意力机制模块与余弦间隔损失函数相结合，使得准确率与F1值分别提高2.2和2.0个百分点，达到99.3%和98.6%。

来源：2021年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第1期