-
题名结合注意力与双线性网络的细粒度图像分类
被引量：7
- 1
-
-
作者
李昆仑
王怡辉
陈栋
王珺
-
机构
河北大学电子信息工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第5期1071-1076,共6页
-
基金
国家自然科学基金项目(61672205)资助.
-
文摘
如何对识别物体进行精确定位并提取更具有表达力的特征,是细粒度图像分类算法的核心问题之一.为此,本文提出了一种基于注意力机制的双线性卷积神经网络细粒度图像分类算法(BAM B-CNN),主要工作如下:1)通过VGG-16网络获得原始图像的激活映射图,选取大于平均值的最大联通区域作为物体图像;2)使用区域建议网络(RPN)提取候选区域,结合部件注意力模型将候选区域分为k组,以各组评分最高的候选区域作为部件图像;3)在双线性网络中引入通道注意力模块,学习通道间的非线性关系,提高关键特征的表达力;4)使用分类模型结合不同层次特征的优点,提高分类精度.理论分析和试验验证均验证了所提算法的有效性.
-
关键词
细粒度图像分类
深度学习
双线性池化
二级注意力
-
Keywords
Fine-grained image classification
Deep learning
Bilinear pooling
Two-level Attention
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
