典型文献
基于多分支注意力增强的细粒度图像分类
文献摘要：
针对细粒度图像类间差距小、类内差距大的问题,文中提出以弱监督学习的方式使用多分支注意力增强卷积网络,从而实现细粒度图像分类.文中采用Inception-V3网络提取图像的基础特征,从中获取多个局部响应区域并进行特征融合,在此基础上采用注意力机制对图像关键区域进行自约束的局部裁剪和局部擦除,避免仅提取目标单个部位的特征,促使网络更加关注目标物体不同部位的细节特征,同时也提升了目标区域的定位精度.此外,文中提出中心正则化损失函数来约束训练过程中获取的注意力区域,以进一步提升目标定位精度和扩大图像特征的类间差距.在3个公开数据集上进行了实验,结果表明,所提方法取得了比当前最优方法更好的结果.
文献关键词：
细粒度图像分类;弱监督学习;多分支注意力增强;卷积神经网络;中心正则化损失
中图分类号：
作者姓名：
张文轩;吴秦
作者机构：
江南大学人工智能与计算机学院 江苏 无锡21412;江南大学江苏省模式识别与计算智能工程实验室 江苏 无锡214122
文献出处：
引用格式：
[1]张文轩;吴秦-.基于多分支注意力增强的细粒度图像分类)[J].计算机科学,2022(05):105-112
A类：
多分支注意力增强,局部擦除,中心正则化损失
B类：
细粒度图像分类,弱监督学习,卷积网络,Inception,V3,局部响应,特征融合,注意力机制,关键区域,自约,裁剪,标单,注目,不同部位,细节特征,目标区域,定位精度,损失函数,训练过程,提升目标,目标定位,图像特征,公开数据集
AB值：
0.225761
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。
