Originally published at: 基于EI-EfficientNet的机场鸟类识别研究 – RSS News
随着空中交通流量的增加,鸟击航空器事件发生的次数呈现上升趋势,对飞行安全构成严重威胁.针对机场鸟击防范过程中,鸟类识别难度大且准确率低的问题,提出一种基于EI-EfficientNet(ECA and IACmix-EfficientNet)的机场鸟类识别方法.为增强模型对鸟类特征的关注度,引入高效通道注意力(ECA)模块对EfficientNet-B0 中的主体模块MBConv进行重构.同时,将ACmix注意力与空间注意力进行有效融合,提出IACmix(Improved ACmix)注意力模块以减少背景信息对模型的干扰,提高识别准确率.在自建的ADB-20 机场鸟类数据集上进行实验,EI-EfficientNet模型识别准确率达到 96.2%,较EfficientNet-B0 提高了 1.3%.实验结果表明,上述方法能够很好地识别机场鸟类,为机场开展鸟击防范工作提供参考.随着空中交通流量的增加,鸟击航空器事件发生的次数呈现上升趋势,对飞行安全构成严重威胁.针对机场鸟击防范过程中,鸟类识别难度大且准确率低的问题,提出一种基于EI-EfficientNet(ECA and IACmix-EfficientNet)的机场鸟类识别方法.为增强模型对鸟类特征的关注度,引入高效通道注意力(ECA)模块对EfficientNet-B0 中的主体模块MBConv进行重构.同时,将ACmix注意力与空间注意力进行有效融合,提出IACmix(Improved ACmix)注意力模块以减少背景信息对模型的干扰,提高识别准确率.在自建的ADB-20 机场鸟类数据集上进行实验,EI-EfficientNet模型识别准确率达到 96.2%,较EfficientNet-B0 提高了 1.3%.实验结果表明,上述方法能够很好地识别机场鸟类,为机场开展鸟击防范工作提供参考. Read More