资料下载
×
结合非局部和多区域注意力机制的细粒度识别方法
消耗积分:0 |
格式:rar |
大小:2.72 MB |
2021-04-20
分享资料个
细粒度图像识别的目标是对细粒度级别的物体子类进行分类，由于不同子类间的差异非常细微，使得细粒度图像识别具有非常大的挑战性。目前细粒度图像识别算法的难度在于如何定位细粒度目标中具有分辨性的部位以及如何更好地提取细粒度级别的细微特征。为此，提出了一种结合非局部和多区域注意力机制的细粒度识别方法。 Navigator只利用图像标签便可以较妤地定位到一些鉴别性区域，通过融合全局特征以及鉴别性区域特征取得了不错的分类结果。然而， Navigator仍存在缺陷：1） Navigator未考虑不同位置间的联系，因此所提算法通过引入非局部模块与 Navigator相结合，来加强模型的全局信息感知能力;2）针对非局部模块未建立特征通道间联系的缺陷，构建基于通道注意力机制的特征提取网络，使得网络关注更加重要的特征通道。最后，所提算法在3个公开的细粒度图像库CUB200-2011， Stanford cars和 FGVC Aircraft上分别达到了88.1%，94.3%，92.0%的识别精度，并且相比 Navigator有明显的精度提升。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
