一种基于多分支局部注意力网络的车辆分类方法

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。