弱监督对抗数据增强的细粒度视觉分类算法

• 作者: 司学飞 张起贵
• 来源期刊: 电子设计工程
• 关键词: 弱监督 GAN 对抗数据增强 联合优化 FGVC
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 图像与多媒体|Image and Multimedia
• 页码范围: 160-165
• 页数: 6页
• 分类号: TN919.82
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.11.034

摘要

细粒度视觉分类(FGVC)要识别数百个属于同一基本类别的子类别,由于同一子类不同个体之间存在大方差和不同子类之间存在小方差,因此具有很高的挑战性.文中在注意力模型的基础上,提出了弱监督对抗数据增强网络.对于每张训练图像,通过弱监督学习生成注意力图,以表示对象的区别性部分.通过采用生成对抗网络(GAN)进行数据扩充来增加训练数据量,防止过度拟合.并且在数据增强网络的辅助下,主干网络可以更多地挖掘目标的区别性特征.实验结果表明,文中方法在通用的细粒度识别数据集上表现良好,比如今最先进的细粒度图像分类算法的准确度平均提高了3％.