文献类型：期刊文章

作　　者：关欣[1] 国佳恩[1,2] 衣晓[1]

GUAN Xin;GUO Jiaen;YI Xiao(Naval Aviation University,Yantai 264001,China;Unit 91422 of the PLA,Yantai 265200,China)

机构地区：[1]海军航空大学,山东烟台264001 [2]中国人民解放军91422部队,山东烟台265200

出　　处：《系统工程与电子技术》

基　　金：国防科技卓越青年科学基金(2017-JCJQ-ZQ-003);泰山学者工程专项经费(ts 201712072)资助课题。

年　　份：2023

卷　　号：45

期　　号：5

起止页码：1305-1314

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对多模态舰船图像融合识别质量不高等问题,构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构,使不同模态特征更好地关注公共类别信息;然后采用双线性池化捕获不同模态图像的交互信息,并引入权重低秩分解降低网络参数规模;最后依靠特征级联实现模态信息的交互与互补,并设计联合损失提升网络跨模态融合识别效果。实验结果表明,相比现有融合方法,所提方法可有效提升多模态遥感舰船图像的融合识别效果,在公开的遥感舰船数据集上取得了较高的识别准确率。

关 键 词：舰船识别  双线性池化  跨模类别中心  注意力加权  跨模联合损失  

分 类 号：TP391.4]