-
题名融合选择性稀疏采样的细粒度图像分类
- 1
-
-
作者
孙红
陈玉娟
宋冬豪
-
机构
上海理工大学光电信息与计算机工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第6期1460-1465,共6页
-
基金
国家自然科学基金项目(61472256,61170277,61703277)资助。
-
文摘
常用的细粒度分类方法通过提取局部信息学习细粒度特征,容易忽视周围环境因素影响问题,造成分类精度下降.针对这一问题提出了一个简单有效的框架,称为选择性稀疏采样.通过类峰值响应产生稀疏注意定位有信息的对象部分,根据图像内容选择动态数量的稀疏注意,生成判别性和补充性两个分支进行视觉表示,使得特征部分和全局信息相辅相成.对于容易产生混淆的部分,引入了一个“梯度增强”损失,只关注每个样本的混淆类,为补充性分支提供更多的细节特征.通过实验结果表明,该方法在常用数据集的基准测试中分别达到了88.6%,92.8%和94.8%的精确度,验证了该方法的有效性.
-
关键词
细粒度图像分类
选择稀疏采样
类峰值响应
梯度增强
卷积神经网络
-
Keywords
fine-grained image classification
select sparse sampling
class peak response
gradient enhancement
convolutional neural networks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-