基于注意力机制网络的航运监控图像识别模型

张凯悦; 张鸿

首页> 中文期刊> 《计算机应用》 >基于注意力机制网络的航运监控图像识别模型

基于注意力机制网络的航运监控图像识别模型

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对已有的航运监控图像识别模型C3D里中级表征学习能力有限,有效特征的提取容易受到噪声的干扰,且特征的提取忽视了整体特征与局部特征之间关系的问题,提出了一种新的基于注意力机制网络的航运监控图像识别模型.该模型基于卷积神经网络(CNN)框架,首先,通过特征提取器提取图像的浅层次特征;然后,基于CNN对不同区域激活特征的不同响应强度,生成注意力信息并实现对局部判别性特征的提取;最后,使用多分支的CNN结构融合局部判别性特征和图像全局纹理特征,从而利用局部判别性特征和图像全局纹理特征的交互关系提升CNN学习中级表征的能力.实验结果表明,所提出的模型在航运图像数据集上的识别准确率达到91.8％,相较于目前的C3D模型提高了7.2个百分点,相较于判别滤波器组卷积神经网络(DFL-CNN)模型提高了0.6个百分点.可见所提模型能够准确判断船舶的状态,可以有效应用于航运监控项目.

著录项

来源
《计算机应用》 |2021年第10期|3010-3016|共7页
作者
张凯悦; 张鸿;
展开▼
作者单位

武汉科技大学计算机科学与技术学院武汉430081;

智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430081;

武汉科技大学计算机科学与技术学院武汉430081;

智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430081;

展开▼
原文格式 PDF
正文语种 chi
中图分类模式识别与装置;
关键词
智能监控; 深度学习; 卷积神经网络; 图像识别; 注意力机制;

相似文献

中文文献
外文文献
专利

1. T-STAM:基于双流时空注意力机制的端到端的动作识别模型 [J] . 石祥滨 ,李怡颖 ,刘芳 . 计算机应用研究 . 2021,第004期
2. 基于注意力机制和Faster R-CNN深度学习的海洋目标识别模型 [J] . 文莉莉 ,孙苗 ,邬满 . 大连海洋大学学报 . 2021,第005期
3. 基于注意力机制的联合监督端到端说话人识别模型 [J] . 史王雷 ,冯爽 . 信息与电脑 . 2020,第004期
4. LAC-DGLU:基于CNN和注意力机制的命名实体识别模型 [J] . 赵丰 ,黄健 ,张中杰 . 计算机科学 . 2020,第011期
5. 基于注意力机制的命名实体识别模型研究——以军事文本为例 [J] . 单义栋 ,王衡军 ,黄河 . 计算机科学 . 2019,第0z1期
6. 基于无线传感器网络的图像监控系统 [C] . 郑语晨 ,张甜甜 ,王桃 . 第七届仪表、自动化与先进集成技术大会暨第六届测控技术与仪器仪表学术大会 . 2012
7. 基于多任务学习与注意力机制的食品识别模型研究 [A] . 蔡芷薇 . 2021

基于注意力机制网络的航运监控图像识别模型

摘要

著录项

相似文献

相关主题

期刊订阅