计算机应用研究

作者：徐江浪,万新军,夏振平,胡伏原,

单位：苏州科技大学a.电子与信息工程学院;b.苏州市虚拟现实智能交互及应用技术重点实验室,江苏苏州215009；

关键词：深度学习,卷积神经网络,室内场景识别,全局特征,局部特征,

基金：国家自然科学基金资助项目(61876121,62002254)；江苏省重点研发计划资助项目(BE2017663)；江苏省高等教育自然科学研发项目(19KJB520054)；；

由于卷积神经网络（CNN）大多侧重于全局特征学习，忽略了包含更多细节的局部特征信息，使得室内场景识别的准确率难以提高。针对这一问题，提出了基于改进全局—局部注意网络（GLANet）的室内场景识别方法。首先，利用GLANet捕捉场景图像的全局特征和局部特征，增加图像特征中的细节信息；然后，在局部网络中引入non-local注意力模块，通过注意力图和特征图的卷积来进一步保留图像的细节特征，最后融合网络不同阶段的多种特征进行分类。通过在MIT Indoor67和SUN397数据集上的训练和验证，所提方法的识别准确率与LGN方法相比分别提高了1.98%和3.07%。实验结果表明，该算法能够有效捕获全局语义信息和精细的局部细节，显著提高了识别准确率。

来源：2022年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第1期