针对细粒度图像分类中数据分布具有小型、非均匀和不易察觉类间差异的特征，提出一种基于注意力机制的细粒度图像分类模型.首先通过引入双路通道注意力与残差网络融合对图像进行初步特征提取，然后应用多头自注意力机制，达到提取深度特征数据之间细粒度关系的目的，再结合交叉熵损失和中心损失设计损失函数度量模型的训练.实验结果表明，该模型在两个标准数据集102 Category Flower和CUB200-2011上的测试准确率分别达94.42%和89.43%,与其他主流分类模型相比分类效果更好.
科研之友
微信
新浪微博
Facebook
分享链接
