典型文献
一种融合间接注意力的自适应特征提取方法
文献摘要：
针对基于ViT模型的细粒度图像识别算法存在特征提取不全面、参数选取不具普适性等问题,提出一种融合间接注意力的自适应特征提取方法(AFEIA).首先,对于目标对象的特征提取,采用改进后的自然断点分类算法将特征分为最相关、次相关、不相关三种,对不同的输入样本可以自适应地提取最具辨别性特征,保证了特征提取的准确性;然后,利用注意力权重矩阵,获取被忽略特征中与目标对象间接相关的特征,以获取各对象之间细微的差异,保证了特征提取的全面性.实验表明,使用AFEIA方法的ViT模型在两个细粒度数据集CUB-200-2011、Stanford Dogs上分别达到91.6％、91.5％的预测准确率,通过可视化方法和消融实验,验证了AFEIA方法的有效性.
文献关键词：
细粒度图像识别;注意力机制;特征提取
中图分类号：
作者姓名：
张书恒;李军;张礼轩;王子文
作者机构：
南京理工大学自动化学院 南京210094
文献出处：
引用格式：
[1]张书恒;李军;张礼轩;王子文-.一种融合间接注意力的自适应特征提取方法)[J].电子测量技术,2022(21):75-81
A类：
AFEIA
B类：
自适应特征提取,ViT,细粒度图像识别,识别算法,存在特征,参数选取,断点,分类算法,次相,不相关,辨别,注意力权重,权重矩阵,细微,CUB,Stanford,Dogs,预测准确率,可视化方法,消融实验,注意力机制
AB值：
0.359761
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。
