科研之友
微信
新浪微博
Facebook
分享链接
摘要
细粒度图像分类是计算机视觉领域的一大分类任务，其难点在于如何通过类别监督信息自主地找到判别性区域.提出一种新的通道-空间融合注意力模块，基于该模块设计了一种新的Swin Transformer算法SwinT-NCSA(a Swin Transformer based on a novel channel-spatial attention module),分别从通道维和空间维同时提取特征，再将其融入到Swin Transformer模型中以提高其小尺度中多头注意力信息的提取能力. SwinT-NCSA算法特别关注了对分类有用的区域，同时忽视对分类无用的背景区域，以此在细粒度图像分类任务中达到较高的分类准确率.在FGVC Aircraft飞机数据集、CUB-200-2011鸟类数据集和Stanford Cars车类数据集3个公共数据集上的实验表明，SwinT-NCSA算法可以分别取得93.3%、88.4%和94.7%的准确率，优于同类算法.
- 单位
