用于自然植物细粒度分类的目标定位和区域选择网络

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：近年来,植物中的细粒度分类问题已经成为计算机视觉领域热门的方向之一.现有的大部分细粒度分类方法只专注于如何寻找更有区分性的部位,忽视了目标的整体结构有助于网络的分类和区分性部位的定位.基于注意力定位关键区域的方法大多都是利用局部注意力来直接定位的,这些方法无法判断所定位到的区域在全局所有区域中是否是最有区分性的.为了解决以上问题,提出一个模板定位和区域选择网络从粗粒度到细粒度渐进式的学习目标的特征.具体来说,目标定位模块可以定位到完整的目标,排除背景的干扰,强化网络提取目标整体结构特征的能力,有助于准确分类和后续区分性区域的定位.区域选择模块则通过全局相关性来衡量数千个区域在全局上的重要程度,根据重要性来选择最有区分性的区域,使网络学习目标的细粒度特征.在iNaturalist-2021Mini和iNaturalist-2018数据集上的实验表明,所提出的方法可以达到优异的效果.

作者：

黄文龙、马祥星

展开 >

作者单位：

三峡大学计算机与信息学院湖北宜昌 443000

皖西学院金融与数学学院安徽六安 237000

关键词：

细粒度分类植物分类注意力机制卷积神经网络

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.03.025