基于渐进式特征融合的图像细粒度分类研究

作者：林雄; 姚剑敏; 严群; 林志贤

来源：仪表技术, 2022, (06): 47-51.

DOI：10.19432/j.cnki.issn1006-2394.2022.06.006

• 细粒度分类
• 特征提取模块
• 注意力机制
• 卷积神经网络

针对图像细粒度分类任务中存在的细粒度特征利用不充分的问题，根据渐进式训练的思想，改进了基于渐进式特征融合的方法。该方法结合分割注意力模块进行更充分的特征提取，渐进式多粒度训练能取得更加丰富的图像特征信息。按不同粒度进行分割的图像首先经过特征提取模块ResNeSt,再相继连接到卷积模块和分类模块，最终完成图像分类任务。采用多通道损失优化损失函数，而在此基础上，原图也经过相同的流程得到输出，其中的卷积模块的操作是原图经过前面不同粒度流程卷积模块后的结果的拼接。实验结果表明，该方法能将细粒度图像分类的准确率提高到89.5%,基本符合实际场景的精度需求，但在提升分类准确率的同时，未能提高网络训练的速度，亟待在今后的研究工作中加以改进。