借助三维注意力模块提升车辆品牌与型号识别性能
计算机视觉与模式识别
2025-02-24 v1 人工智能
摘要
车辆品牌与型号识别（VMMR）是智能交通系统中的关键组件，近年来受到广泛关注。VMMR 已被广泛应用于可疑车辆检测、城市交通监控以及自动驾驶系统。VMMR 的复杂性源于车型之间细微的视觉差异以及制造商生产的大量类别。卷积神经网络（CNN）作为深度学习的重要模型类型，已在包括 VMMR 在内的众多计算机视觉任务中得到广泛应用，取得显著成果。鉴于 VMMR 是一个细粒度分类问题，其主要面临的是类别间相似性和类别内变异性挑战。本研究中，我们实现了一个注意力模块，以解决这些挑战并增强模型对包含关键区分特征的区域的关注。该模块不增加原始模型的参数，生成三维（3-D）注意力权重以细化特征图。我们提出的模型将注意力模块集成到卷积模型中部的两个不同位置，其中这些位置的特征图能够提供足够关于输入帧的信息，同时又不至于过于详细或过于粗糙。我们在斯坦福汽车数据集上评估了我们提出的模型以及与之比较的 SOTA 卷积和变换器基模型。我们的提出模型在所比较的模型中实现了最高的准确率，为 90.69%。
引用
@article{arxiv.2502.15398,
title = {Enhancing Vehicle Make and Model Recognition with 3D Attention Modules},
author = {Narges Semiromizadeh and Omid Nejati Manzari and Shahriar B. Shokouhi and Sattar Mirzakuchaki},
journal= {arXiv preprint arXiv:2502.15398},
year = {2025}
}