基于雙注意力和多區(qū)域檢測的細粒度圖像分類
2022年電子技術應用第8期
潘新辰，楊小健，秦 嶺
南京工業(yè)大學 計算機科學與技術學院，江蘇 南京211816
摘要： 有效地檢測具有辨別性的局部區(qū)域和更準確地提取圖像的細粒度特征有助于提高細粒度圖像的分類效果。為此，提出了一種結合雙注意力機制和多區(qū)域檢測的細粒度圖像分類方法。多區(qū)域檢測旨在通過類別標簽學習定位到具有辨別性的圖像區(qū)域，然后通過特征提取網(wǎng)絡提取辨別性局部區(qū)域的特征并與全局特征相融合。同樣，更精確的特征提取網(wǎng)絡能夠提取圖像細粒度的特征。因此，通過將雙注意力機制和多區(qū)域檢測相結合，所提出的方法在3個公開的細粒度圖像數(shù)據(jù)集CUB-200-2011、StanfordCars和FGVC Aircraft上分別達到了88.3%、94.5%和92.3%的準確率。
中圖分類號： TP301.6
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211980
中文引用格式： 潘新辰，楊小健，秦嶺. 基于雙注意力和多區(qū)域檢測的細粒度圖像分類[J].電子技術應用，2022，48(8)：117-122.
英文引用格式： Pan Xinchen，Yang Xiaojian，Qin Ling. Fine-grained image classification based on dual attentions and multi-region detection[J]. Application of Electronic Technique，2022，48(8)：117-122.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211980
中文引用格式： 潘新辰，楊小健，秦嶺. 基于雙注意力和多區(qū)域檢測的細粒度圖像分類[J].電子技術應用，2022，48(8)：117-122.
英文引用格式： Pan Xinchen，Yang Xiaojian，Qin Ling. Fine-grained image classification based on dual attentions and multi-region detection[J]. Application of Electronic Technique，2022，48(8)：117-122.
Fine-grained image classification based on dual attentions and multi-region detection
Pan Xinchen，Yang Xiaojian，Qin Ling
Computer Science and Technology，Nanjing University of Technology，Nanjing 211816，China
Abstract： Effectively detecting discriminative local areas and more accurately extracting fine-grained features of images will help improve the classification effect of fine-grained images. For this reason, a fine-grained image classification method combining dual attention mechanism and multi-region detection is proposed. Multi-region detection aims to locate discriminative image regions through class label learning, and then extract the features of the discriminative local regions through a feature extraction network and merge them with global features. Similarly, a more precise feature extraction network can extract fine-grained features of an image. Therefore, by combining the dual attention mechanism and multi-region detection, the proposed method respectively achieves 88.3%, 94.5% and 92.3% accuracy on three public fine-grained image datasets, CUB-200-2011, StanfordCars and FGVC Aircraft.
Key words : fine-grained image classification；attention mechanism；regional detection；convolutional neural network；feature extraction；feature group
0 引言
目前，深度學習技術已被廣泛應用于圖像分類領域，細粒度圖像分類旨在區(qū)分同種對象的不同類別。相較于傳統(tǒng)圖像分類，細粒度圖像分類的難點在于：(1)不同類別之間的高相似性，難以找到具有辨別性的區(qū)域并提取細節(jié)特征；(2)同一種類別之間由于圖像視角、光照、背景和遮擋等因素的變化也存在著一定的差異性。因此，如何定位具有辨別性的局部區(qū)域，以及如何更精確地提取細粒度特征，成為目前細粒度圖像分類方法的主要研究方向。
為了檢測具有辨別性的局部區(qū)域，一些方法[1-2]通過人工標注的方式對細粒度圖像中具有辨別性的區(qū)域進行標注，然后通過網(wǎng)絡學習定位辨別性局部區(qū)域，從而提高網(wǎng)絡模型的分類準確性，需要花費大量的時間、人力對圖像進行標注，成本太大。還有一些方法[3-4]利用類別標簽以弱監(jiān)督的方式來學習具有辨別性的局部區(qū)域，這類方法雖然不能夠達到使用人工標注的標簽進行監(jiān)督學習的效果，但額外成本幾乎為零。
注意力機制作為提升網(wǎng)絡特征提取能力的重要手段[5]主要分為通道注意力機制和空間注意力機制，通道注意力機制可以學習到不同通道間的權重關系，空間注意力機制可以學習不同像素間的依賴關系。合理利用以上兩個注意力機制能夠更細粒度提取圖像的特征，從而能夠更好地進行分類。
本文詳細內(nèi)容請下載：http://ihrv.cn/resource/share/2000004663。
作者信息：
潘新辰，楊小健，秦 嶺
(南京工業(yè)大學 計算機科學與技術學院，江蘇 南京211816)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權禁止轉載。