基于轻量化区域置信网络的细粒度图像分类

摘要：

为提高细粒度图像分类的准确率和速度,提出区域投票分类模型和区域置信度机制以及基于轻量化区域置信网络的细粒度图像分类方法.将轻量化卷积神经网络分类器替换为区域投票分类器,加入区域置信机制,增加分类网络对于关键特征分类的权重,提升轻量化模型的准确率.在Cub200-2011数据集上的实验结果验证了区域投票模型和区域置信机制的有效性.相较于其它主流细粒度图像分类算法,改进后的模型仅损失了少量精度,却大幅减少了参数量和所需运算资源.

关键词：图像处理、细粒度图像分类、区域投票模型、区域置信、卷积神经网络、轻量化模型、模型优化

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：广西高校中青年教师科研基础能力提升基金项目2020KY57020

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：866-871