典型文献
面向细粒度分类的预测属性引导的注意力研究
文献摘要：
细粒度图像分类任务比一般图像分类任务更具有挑战性,其通常需要对类间差异小、类内差异大的样本进行分类.现有细粒度分类方法主要依赖视觉特征进行分类,而人类可以根据文本描述等属性描述来辅助识别图像类别.该文提出了一种通过预测属性引导的通道注意力模块,该模块可以插入到任意的卷积神经网络中,从而让模型学习到更高级的特征表示.最后,该算法在CUB-200-2011数据集上测试,在使用Resnet-50、VGG-19、Bilinear-CNN作为主干网络训练时的精度分别达到87.1％、82.1％、85.5％,精度得到显著提升.
文献关键词：
细粒度图像分类;注意力机制;属性预测
中图分类号：
作者姓名：
经卓勋;刘建明
作者机构：
江西师范大学计算机信息工程学院,江西 南昌 330022
文献出处：
引用格式：
[1]经卓勋;刘建明-.面向细粒度分类的预测属性引导的注意力研究)[J].江西师范大学学报（自然科学版）,2022(04):379-385
A类：
B类：
细粒度分类,细粒度图像分类,分类任务,类间差异小,类内差异,分类方法,视觉特征,文本描述,属性描述,识别图,通道注意力模块,到任,模型学习,特征表示,CUB,Resnet,VGG,Bilinear,主干网络,网络训练,注意力机制,属性预测
AB值：
0.43206
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
