计算机工程

作者：桂江生,麻陈飞,包晓安,钱俊彦

单位：1.浙江理工大学 信息学院,杭州 310018; 2.桂林电子科技大学 广西可信软件重点实验室,广西 桂林 541004

关键词：细粒度图像分类,卷积神经网络,通道关注,空间关注,递归网络

基金：国家自然科学基金(61502430,61562015);浙江省重大科技专项重点工业项目(2014C01047);广西自然科学重点基金(2015GXNSFDA139038)。

在细粒度图像的大量局部特征中,只有少量特征具有判别性,其提取较为困难。为此,提出递归深度混合关注网络方法。通过在卷积结构单元中添加通道关注模块和空间关注模块,实现网络的混合关注。以第1路网络输出特征的空间响应值为依据切割原图,并将切割后的图像放大输入第2路网络,进行由粗到细的网络递归。将2路网络提取的特征进行级联融合。在公开数据集Stanford Dogs、Stanford Cars中进行对比实验,结果表明,该方法的分类精度分别为87.1%、92.4%,优于FCAN、HIHCA等方法。

来源：2019年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第5期