基于融合池化和注意力增强的细粒度视觉分类网络

作     者：肖斌 郭经伟 张兴鹏 汪敏 XIAO Bin;GUO Jingwei;ZHANG Xingpeng;WANG Min

作者机构：西南石油大学计算机科学学院成都610500 西南石油大学电气信息学院成都610500 

基　　金：四川省科技创新人才基金项目(No.2022JDRC0009) 西南石油大学自然科学“启航计划”项目(No.2022QHZ023)资助 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2023年第36卷第7期

页      码：661-670页

摘      要：细粒度视觉分类核心是提取图像判别式特征.目前大多数方法引入注意力机制,使网络聚焦于目标物体的重要区域.然而,这种方法只定位到目标物体的显著特征,无法囊括全部判别式特征,容易混淆具有相似特征的不同类别.因此,文中提出基于融合池化和注意力增强的细粒度视觉分类网络,旨在获得全面判别式特征.在网络末端,设计融合池化模块,包括全局平均池化、全局top-k池化和两者融合的三分支结构,获得多尺度判别式特征.此外,提出注意力增强模块,在注意力图的引导下通过注意力网格混合模块和注意力裁剪模块,获得2幅更具判别性的图像参与网络训练.在细粒度图像数据集CUB-200-2011、Stanford Cars、FGVC-Aircraft上的实验表明文中网络准确率较高,具有较强的竞争力.

主 题 词：细粒度视觉分类 融合池化 注意力机制 数据增强 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16451/j.cnki.issn1003-6059.202307007

馆 藏 号：203123184...