买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于多分支局部注意力网络的车辆分类方法，具体步骤包括获取待分类车辆图片并划分为训练集和测试集；将车辆图片的训练集输入构建多分支局部注意力网络的车辆分类模型进行训练，所述多分支局部注意力网络包括基于通道的卷积注意力模块，以及基于空间的局部注意力模块；根据训练好的车辆分类模型对车辆图片的测试集进行分类预测，得到分类结果。本发明在原始ResNet‑50模型中添加多分支局部注意力结构，该结构能够更准确地获取特征图中不同邻域的信息，增强了关键特征的表达性，从而提高了车辆分类准确率；同时我们的多分支注意力结构具有便携性，可以嵌入到其他网络模型中。

主权项：1.一种基于多分支局部注意力网络的车辆分类方法，其特征在于，具体步骤包括：获取待分类车辆图片并划分为训练集和测试集；将车辆图片的训练集输入构建多分支局部注意力网络的车辆分类模型进行训练，所述多分支局部注意力网络包括基于通道的卷积注意力模块，以及基于空间的局部注意力模块，其具体步骤包括：基于ResNet-50模型构建多分支局部注意力网络结构；利用基于通道的卷积注意力模块引入作为第一个分支，其具体步骤包括：使用全局平均池化和全局最大池化操作来聚合特征映射的空间信息，即和利用2×1卷积方法将和结合起来；最后添加一个多层感知器来学习最终的通道注意力特征图McF，公式为： 其中，W0∈RCr×C，W1∈RC，W0和W1是多层感知器MLP的权重，f2×1表示滤波器大小为2×1的卷积运算；利用基于空间的局部注意力模块引入作为第二个分支，其具体步骤包括：对原始特征图的所有通道并行应用局部空间最大池化和平均池化，其中核和步长等于ε；通过聚集F的所有ε-邻域内的特征来生成两个压缩的空间注意描述符FM和FA；FA＝AvgPoolkernel,stride＝εF；FM＝MaxPoolkernel,stride＝εF；利用全局最大池化和全局平均池化沿着通道方向收紧FM和FA生成描述符和和并连接起来；再依次增加3×3空洞卷积和最近邻插值操作，得到空间注意力的特征图；MSF＝σfnearestf[FmaxFM；FavgFA]；其中，MaxPool*和AvgPool*表示空间域中核和步长为ε的局部最大池化和平均池化操作，Fmax*和Favg*是沿通道方向的最大池化和平均池操作，f*表示3×3空洞卷积，fnearest*是最近邻插值上采样算子，σ*是sigmoid激活函数；将两个分支使用并行方法进行分支融合，融合公式为：F′＝σMCF×MSF×F；其中，McF表示通道注意力，MsF表示空间注意力，σ*是sigmoid激活函数；将多分支局部注意力网络结构嵌入ResNet-50每个bottleneck层中，得到基于多分支局部注意力网络的车辆分类模型；根据训练好的车辆分类模型对车辆图片的测试集进行分类预测，得到分类结果。

全文数据：

权利要求：

百度查询： 合肥市正茂科技有限公司 一种基于多分支局部注意力网络的车辆分类方法