基于双注意力和多区域检测的细粒度图像分类

摘要

有效地检测具有辨别性的局部区域和更准确地提取图像的细粒度特征有助于提高细粒度图像的分类效果。为此,提出了一种结合双注意力机制和多区域检测的细粒度图像分类方法。多区域检测旨在通过类别标签学习定位到具有辨别性的图像区域,然后通过特征提取网络提取辨别性局部区域的特征并与全局特征相融合。同样,更精确的特征提取网络能够提取图像细粒度的特征。因此,通过将双注意力机制和多区域检测相结合,所提出的方法在3个公开的细粒度图像数据集CUB-200-2011、StanfordCars和FGVC Aircraft上分别达到了88.3%、94.5%和92.3%的准确率。