结合嵌入模块的细粒度图像分类方法

摘要

为提高细粒度图像分类任务的准确性,提出结合嵌入模块并基于双线性网络(Bilinear CNN)的改进方法。首先,选取VGG-16前5个卷积块,以及ResNet-50前7个卷积块分别作为两路特征提取模块。并在两个分支的特征提取器中分别嵌入自适应权重特征模块(AWFF)和特征重标定模块(SENet Block)。借助AWFF模块实现深层与浅层特征的融合,通过SENet Block实现特征通道的重标定功能,将重点集中在主要特征上。经验证,该方法能提高模型分类的准确度可达96.362%,有效提高工作效率。