摘要
细粒度图像识别的目标为区分大类对象中的子类对象,由于子类对象间差别细微,使得细粒度图像识别较为困难.为此,提出一种基于区分区域定位的细粒度图像识别方法.首先由贝叶斯个性化排序损失(Bayesian Personalized Ranking Loss,BPRLoss)监督区域提议网络提议一些重要的局部区域,随后采用引入高效通道注意力模块的特征提取器提取局部区域的细粒度特征进行识别.同时采用标签平滑策略使同类靠近,不同类远离以监督网络学习对象有区别的特征,进一步促进网络定位区分区域.实验结果表明,所提方法在三种通用的细粒度图像识别数据集 CUB-200-2011、FGVC Aircraft、Stanford Cars上取得了较高的识别准确率,分别为89.0%、93.9%、94.3%,相比导航网络(NTS-Net)有显著提升,分别提升1.5 百分点、2.5 百分点和0.4 百分点.同时,所提方法较NTS-Net能够更为有效地定位区分区域和提取图像的细粒度特征.
国家科技期刊平台
NSTL
维普
万方数据