计算机工程

作者：白尚旺, 王梦瑶, 胡静, 陈志泊

单位：1. 太原科技大学计算机科学与技术学院, 山西 太原 0300242. 北京林业大学信息学院, 北京 100091

关键词：多区域注意力,细粒度图像分类,擦除策略,联合损失,深度学习,卷积神经网络

基金：国家自然科学基金(32071775); 山西省自然科学基金(202203021211189); 博士科研启动基金(20202057)

目前细粒度图像分类的难点在于如何精准定位图像中高度可辨的局部区域以及其他辅助判别特征。提出一种多区域注意力的细粒度图像分类网络来解决这个问题。首先使用Inception-V3对图像特征进行提取，通过重复使用注意力擦除的方法使模型关注次要特征；然后通过背景去除以及上采样的方法获取图像更精准的局部图像，对提取到的局部特征进行位置统计，并以矩形框的方式获取图像整体，减少细节信息丢失；最后对局部与整体图像进行更加细致的学习。此外，设计联合损失函数，通过动态平衡难易样本和缩小类内差距的方法改善模型的识别效果。实验结果表明，该方法在公开的细粒度图像数据集CUB-200-2011、Stanford-Cars和FGVC-Aircraft上的准确率分别达到89.2%、94.8%、94.0%，相较于对比方法性能更优。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期