递归深度混合关注网络的细粒度图像分类方法

摘要

在细粒度图像的大量局部特征中,只有少量特征具有判别性,其提取较为困难.为此,提出递归深度混合关注网络方法.通过在卷积结构单元中添加通道关注模块和空间关注模块,实现网络的混合关注.以第1路网络输出特征的空间响应值为依据切割原图,并将切割后的图像放大输入第2路网络,进行由粗到细的网络递归.将2路网络提取的特征进行级联融合.在公开数据集Stanford Dogs、Stanford Cars中进行对比实验,结果表明,该方法的分类精度分别为87.1％、92.4％,优于FCAN、HIHCA等方法.