注意力与深度学习相结合的细粒度图像分类

目录

摘要

1绪论

1．1课题背景及研究意义

1．2国内外研究现状

1．2．1基于人工特征方法的研究现状

1．2．2强监督学习的细粒度图像分类研究现状

1．2．3弱监督学习的细粒度图像分类研究现状

1．2．4存在问题

1．3主要研究内容

1．4本文章节安排

2相关技术基础

2．1深度学习技术

2．1．1卷积神经网络

2．1．2卷积神经网络实例

2．1．3深度学习框架

2．2注意力机制

2．2．1注意力机制介绍

2．2．2注意力的作用原理

2．3注意力与深度学习相结合

2．4本章小结

3基于通道注意力的细粒度图像分类

3．1特征提取网络

3．2区域建议网络

3．2．1 RPR工作流程

3．2．2非极大值抑制(NMS)

3．3目标分类网络

3．4数据增强

3．5实验结果及分析

3．5．1评价指标

3．5．2实验细节

3．6本章小结

4基于弱监督两级注意力的细粒度图像分类

4．1物体级注意力模型

4．1．1选择性搜索算法应用

4．1．2目标选择网络

4．1．3显著性提取网络

4．2部分级注意力模型

4．2．1谱聚类算法应用

4．2．2网络实现细节

4．3分类网络

4．4实验及其结果分析

4．4．1评价指标

4．4．2实验细节

4．5本章小结

5总结与展望

5．1总结

5．2展望

参考文献

致谢

声明