选择并融合粗细粒度特征的细粒度图像识别

摘要：

目的 在细粒度图像识别任务中,类内图像姿势方差大,需要找到类内变化小的共性,决定该任务依赖于鉴别性局部的细粒度特征;类间图像局部差异小,需要找到类间更全面的不同,决定该任务还需要多样性局部的粗粒度特征.现有方法主要关注粗细粒度下的局部定位,没有考虑如何选择粗细粒度的特征及如何融合不同粒度的特征.为此,提出一种选择并融合粗细粒度特征的细粒度图像识别方法.方法 设计一个细粒度特征选择模块,通过空间选择和通道选择来突出局部的细粒度鉴别性特征;构建一个粗粒度特征选择模块,基于细粒度模块选择后的局部,挖掘各局部间的语义和位置关系,从而获得为细粒度局部提供补充信息的粗粒度多样性特征;融合这两个模块中提取到的细粒度特征和粗粒度特征,形成互补的粗细粒度表示,以提高细粒度图像识别方法的准确性.结果 在 CUB-200-2011(caltech-UCSD birds-200-2011)、Stanford Cars 和 FGVC-Aircraft(fine-grained visual classification air-craft)3个公开的标准数据集上进行广泛实验,结果表明,所提方法的识别准确率分别达到90.3％、95.6％和94.8％,明显优于目前主流的细粒度图像识别方法,相较于对比方法中的最好结果,准确率相对提升0.7％、0.5％和1.4％.结论 提出的方法能够提取粗粒度和细粒度两种类型的视觉特征,同时保证特征的鉴别性和多样性,使细粒度图像识别的结果更加精准.

关键词：细粒度识别、粗细粒度、特征选择、特征融合、鉴别性、多样性

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省自然科学基金;中国博士后科学基金

在线出版日期：2023-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2081-2092