计算机应用

作者：覃俊, 罗一凡, 帖军, 郑禄, 吕伟龙

单位：1. 中南民族大学 计算机科学学院, 武汉 430074;2. 湖北省制造企业智能管理工程技术研究中心(中南民族大学), 武汉 430074;3. 南京理工大学 计算机科学与工程学院, 南京 210094

关键词：超列,注意力机制,递归网络,细粒度,京剧人物识别

基金：国家自然科学基金资助项目（61902437）；湖北省技术创新专项重大项目（2019ABA101）。

为了克服京剧人物视觉特征提取的难点及满足京剧人物实时识别的需求，提出基于超列注意力机制的卷积神经网络（HCA-CNN）来实现面向京剧人物的细粒度特征提取和识别。该网络中用于关键区域定位的注意力机制借鉴了用于图像分割和细粒度定位的超列（HyperColumn）特征思想，通过超列集基于像素点的形式串联主干分类网络来形成多层叠加特征，从而更好地兼顾早期浅层空间特征与后期深度类别语义特征，并提高定位任务与主干网络分类任务的准确度。同时，该网络的主干网络采用轻量级的MobileNetV2，从而更好地满足视频应用场景下的实时性要求。此外，还创建了京剧人物（BJOR）数据集，并在此数据集上进行了相关消融实验。实验结果显示，HCA-CNN与传统细粒度循环注意力网络（RA-CNN）相比，除了在准确率（Accuracy）指标上提高了0.63个百分点以外，其内存使用量（Memory Usage）、参数量（Params）分别减少了162.84 MB、131.5 MB，乘加次数（Mult-Adds）、每秒浮点运算次数（FLOPs）分别减少了39 885×106、51 886×106。可见，针对京剧人物视觉特征提出的HCA-CNN能有效提高京剧人物识别的准确率和效率，满足实际应用的需求。

来源：2021年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第4期