基于注意机制和循环卷积神经网络的细粒度图像分类算法

摘要：

细粒度图像分类是计算机视觉中非常热的研究方向.由于同一个大物种的子类别之间具有相似的外观,相似的颜色,所以差别非常细微.因此,细粒度图像分类非常具有挑战性.为了解决这个挑战,该文提出一种基于注意机制的循环卷积神经网络用于细粒度图像分类.首先,根据注意机制循环提取一幅图像中的显著性物体区域;然后,对原始图像和每次提取的显著性区域分别进行分类;最后,融合分类层得分,进行最终分类.在非常有挑战性的公共数据集CUB-200-2011,Stanford Dogs和Stanford Cars上进行实验,与比较先进的实验方法进行比较,实验结果表明该文提出的方法非常有效.

关键词：细粒度图像分类、显著性检测、注意机制、卷积神经网络

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

资助基金：河南省重点科技攻关项目;河南省高等学校重点科研项目

在线出版日期：2020-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：48-56