基于核化双线性卷积网络的细粒度图像分类

• 作者: 张冰冰 李培华 葛疏雨 高子淋
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 核化双线性聚合 双线性卷积网络 端到端学习 细粒度图像分类
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 2134-2141
• 页数: 8页
• 分类号: TP391
• 字数: 4890字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.10.015

摘要

双线性卷积网络(Bilinear CNN,B-CNN)在计算机视觉任务中有着广泛的应用.B-CNN通过对卷积层输出的特征进行外积操作,能够建模不同通道之间的线性相关,从而增强了卷积网络的表达能力.由于没有考虑特征图中通道之间的非线性关系,该方法无法充分利用通道之间所蕴含的更丰富信息.为了解决这一不足,本文提出了一种核化的双线性卷积网络,通过使用核函数的方式有效地建模特征图中通道之间的非线性关系,进一步增强卷积网络的表达能力.本文在三个常用的细粒度数据库CUB-200-2011、FGVC-Aircraft以及Cars上对本文方法进行了验证,实验表明本文方法在三个数据库上均优于同类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李培华	大连理工大学信息与通信工程学院	4	3	1.0	1.0
2	张冰冰	大连理工大学信息与通信工程学院	2	1	1.0	1.0
3	葛疏雨	大连理工大学信息与通信工程学院	1	1	1.0	1.0
4	高子淋	大连理工大学信息与通信工程学院	1	1	1.0	1.0