基于注意力双线性池化的细粒度舰船识别OACSTPCD
Weakly Supervised Fine-grained Natural Scene Ship Recognition via Attention Bilinear Pooling
针对当前细粒度图像识别的模型结构复杂且只能学习到单一判别性特征的问题,对一种弱监督学习下基于注意力双线性池化的细粒度舰船识别方法进行研究.该方法首先将通道注意力机制和空间注意力机制与卷积神经网络相结合,在没有监督信息的条件下分别提取图像的深度通道特征和深度空间特征.然后通过双线性池化操作对提取到的深度通道特征和深度空间特征进行特征融合,使得通道特征和空间特征形成关联和交互,从而使网络能够学习到更丰富的图像局部特征.最后再将学习到的局部特征和深度神…查看全部>>
姜孟超;范灵毓;李硕豪
军事科学院 战略评估咨询中心,北京 10009196962部队,北京 102206国防科技大学 信息系统工程重点实验室,湖南 长沙 410073
信息技术与安全科学
弱监督学习细粒度图像识别通道注意力机制空间注意力机制双线性池化
《计算机技术与发展》 2022 (8)
面向混合标记样本的连续行为识别技术研究
66-70,5
国家自然科学基金(61671459)国防科技战略先导计划(20ZLXD22090300501)
评论