-
题名自上而下注意图分割的细粒度图像分类
被引量：11
- 1
-
-
作者
冯语姗
王子磊
-
机构
中国科学技术大学自动化系
-
出处
《中国图象图形学报》
CSCD
北大核心
2016年第9期1147-1154,共8页
-
基金
国家自然科学基金项目(61233003)
安徽省自然科学基金项目(1408085MF112)
中央高校研究基金科研业务费专项资金(WK3500000002)~~
-
文摘
目的针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。
-
关键词
细粒度图像分类
卷积神经网络
自上而下注意图
GraphCut
GoogLeNet
-
Keywords
fine-grained visual categorization
convolutional neural network （CNN）
top-down attention map
GraphCut
GoogLeNet
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
