系统工程与电子技术

作者：关欣, 国佳恩, 衣晓

单位：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

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

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。

来源：2023年第5期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2023年第5期