基于跨层精简双线性网络的细粒度鸟类识别

作者：蓝洁; 周欣; 何小海^*; 滕奇志; 卿粼波

来源：科学技术与工程, 2019, 19(36): 240-246.

• 鸟类识别
• 精简双线性变换
• 跨层特征融合
• 成对混淆
• 细粒度图像分类

细微的类间差异和显著的类内变化使得细粒度图像分类极具挑战性。为了对鸟类图像进行细粒度识别,提出一种基于跨层精简双线性池化的深度卷积神经网络模型。首先,根据Tensor Sketch算法计算出多组来自不同卷积层的精简双线性特征向量;其次,将归一化后的特征向量级联送至softmax分类器;最后,引入成对混淆对交叉熵损失函数进行正则化以优化网络。提出的模型无需额外的部件标注,可进行端到端的训练。结果表明,在公开的CUB-200—2011鸟类数据集上,该模型取得了较好的性能,识别正确率为86. 6%,较BCNN提高2. 5%。与多个先进细粒度分类算法的对比,验证了提出模型的有效性和优越性。

• 单位
  中国信息安全测评中心; 四川大学