基于多尺度特征Transformer的细粒度图像分类方法
针对细粒度图像分类任务的长尾分布问题,提出了一种基于多尺度特征Transformer的细粒度图像分类方法,实现了底层与深层特征的保护并优化了长尾分布.首先,设计了混合数据采样方法,获取用于优化表征学习、长尾分布和细粒度待征的三元组数据;然后,设计了 Transformer多尺度特征优化方法,分别通过底层特征对比学习方法与深层特征平衡学习方法优化特征学习过程,改善类别混淆和细粒度特征的提取,在保护头部类别特征学习的同时增加对尾部类别的关注.仿真结果表明,所提方法可以有效地改善细粒度图像分类任务中长尾分布带来的影响,优化特征分布,提高分类准确率.
Transformer、细粒度图像分类、细粒度特征、长尾分布
46
TP183(自动化基础理论)
江西省科技厅重大科技研发专项项目20213AAE01007
2023-10-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
70-75