基于注意力机制的弱监督细粒度图像分类

摘要：

针对细粒度图像分类任务中难以对图中具有鉴别性对象进行有效学习的问题,本文提出了一种基于注意力机制的弱监督细粒度图像分类算法.该算法能有效定位和识别细粒度图像中语义敏感特征.首先在经典卷积神经网络的基础上通过线性融合特征得到对象整体信息的表达,然后通过视觉注意力机制进一步提取特征中具有鉴别性的细节部分,获得更完善的细粒度特征表达.所提算法实现了线性融合和注意力机制的结合,可看作是多网络分支合作训练共同优化的网络模型,从而让网络模型对整体信息和局部信息都有更好的表达能力.在3个公开可用的细粒度识别数据集上进行了验证,实验结果表明,所提方法有效性均优于基线方法,且达到了目前先进的分类水平.

关键词：细粒度图像分类;双线性网络融合;注意力机制;弱监督学习

所属期刊栏目：30

资助基金：国家科技部重点研发计划;浙江省技术厅重点项目;浙江省基金

在线出版日期：2021-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：232-239