摘要
细粒度图像识别问题是针对同一个大类下面的不同子类进行精确识别.细粒度图像分类以其类间差异小、类内差异大等特点,一直是计算机视觉领域研究的热点和难点.针对利用CAM网络提取最佳判别性区域,导致缺乏其他辅助判别区域特征.为此,提出利用CAM网络反复提取判别性区域特征,对不同判别性区域施加权重,得到最终的判别性区域,使用注意力双线性网络提取图像高阶特征.同时引入嵌入空间,利用一种新的混合损失函数提高特征的判别性,进而提高方法的分类性能.在公开的细粒度数据集上,CUB-200-2011分类准确率为87.3％,比ResNet50网络提高5.6个百分点.实验结果表明:该方法能有效提高弱监督鸟类图像分类的准确率.
国家科技期刊平台
NSTL
万方数据