-
题名融合双通道特征学习机制的图像铅垂方向识别
- 1
-
-
作者
施泓羽
杜韵琦
贺智
-
机构
中山大学地理科学与规划学院
南方海洋科学与工程广东省实验室(珠海)
-
出处
《现代计算机》
2023年第13期10-17,24,共9页
-
基金
国家重点研发计划(2020YFA0714103)
南方海洋科学与工程广东省实验室(珠海)创新团队建设项目(311021018)
+2 种基金
广东省自然科学基金面上项目(2019A1515011877)
广州市科技计划项目(202002030240)
国防基础科研计划项目(WDZC20205500205)。
-
文摘
为准确识别图像的铅垂方向(即图像中物理环境的铅垂方向,简称为IVD),提出一种融合双通道特征学习机制的网络模型。该模型由三个模块组成,分别是数据预处理模块、特征学习模块以及IVD识别模块。首先,为全面地学习图像的旋转不变特征,在数据预处理模块中通过随机旋转组合的方式增广数据集。然后,在特征学习模块中构建包含特征复用通道和特征生成通道的“双通道”,在抑制特征退化的同时学习新特征,并利用通道注意力模块突出重要特征。最后,在IVD识别模块中构建全新的旋转损失函数,用以同时识别物体类别与判定IVD的偏离角度。此外,根据ILSVRC2012创建了一个可用于模型训练和测试的数据集。基于该数据集的实验结果表明,所提方法的分类精度优于主流神经网络方法,达到97.68%,且旋转损失函数能使模型的角度均方误差至少降低8.05%,证明了对图像内容的正确识别可以帮助模型更有效地学习图像的旋转不变特征。
-
关键词
铅垂方向识别
深度学习
卷积神经网络
图像分类
图像特征
-
Keywords
vertical direction recognition
deep learning
convolutional neural network
image classification
image feature
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-