递归深度混合关注网络的细粒度图像分类方法

• 作者: 包晓安 桂江生 钱俊彦 麻陈飞
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 细粒度图像分类 卷积神经网络 通道关注 空间关注 递归网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 图形图像处理
• 页码范围: 205-209
• 页数: 5页
• 分类号: TP391
• 字数: 3149字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051191

摘要

在细粒度图像的大量局部特征中,只有少量特征具有判别性,其提取较为困难.为此,提出递归深度混合关注网络方法.通过在卷积结构单元中添加通道关注模块和空间关注模块,实现网络的混合关注.以第1路网络输出特征的空间响应值为依据切割原图,并将切割后的图像放大输入第2路网络,进行由粗到细的网络递归.将2路网络提取的特征进行级联融合.在公开数据集Stanford Dogs、Stanford Cars中进行对比实验,结果表明,该方法的分类精度分别为87.1％、92.4％,优于FCAN、HIHCA等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱俊彦	桂林电子科技大学广西可信软件重点实验室	86	238	9.0	10.0
2	桂江生	浙江理工大学信息学院	26	58	5.0	6.0
3	包晓安	浙江理工大学信息学院	80	324	9.0	15.0
4	麻陈飞	浙江理工大学信息学院	1	2	1.0	1.0