文献检索-宁波市创意产业特色资源库

限定检索结果

弱监督对抗数据增强的细粒度视觉分类算法: 收藏
分享
引用; 《电子设计工程》2021年第11期29卷 160-165页; 作者：司学飞张起贵太原理工大学信息与计算机学院山西晋中030600; 细粒度视觉分类(FGVC)要识别数百个属于同一基本类别的子类别,由于同一子类不同个体之间存在大方差和不同子类之间存在小方差,因此具有很高的挑战性。文中在注意力模型的基础上,提出了弱监督对抗数据增强网络。对于每张训练图像,通过弱...; 细粒度视觉分类(FGVC)要识别数百个属于同一基本类别的子类别,由于同一子类不同个体之间存在大方差和不同子类之间存在小方差,因此具有很高的挑战性。文中在注意力模型的基础上,提出了弱监督对抗数据增强网络。对于每张训练图像,通过弱监督学习生成注意力图,以表示对象的区别性部分。通过采用生成对抗网络(GAN)进行数据扩充来增加训练数据量,防止过度拟合。并且在数据增强网络的辅助下,主干网络可以更多地挖掘目标的区别性特征。实验结果表明,文中方法在通用的细粒度识别数据集上表现良好,比如今最先进的细粒度图像分类算法的准确度平均提高了3%。; 来源：详细信息评论

限定检索结果