基于稀疏化双线性卷积神经网络的细粒度图像分类方法

摘要

本发明涉及一种基于稀疏化双线性卷积神经网络的细粒度图像分类方法，对双线性卷积神经网络进行特征通道裁剪，训练过程中会自动稀疏特征通道并辨别特征通道对于分类的重要性，按照重要性进行大小排序进行比例裁剪。将双线性卷积神经网络的输出输入到批量正则化中，利用BN的缩放因子作为比例因子，并对其施加正则化方法，正则化方法有多种如L1，L2，其中L1的稀疏性较强，通过联合训练网络权重和比例因子，就能实现特征通道的稀疏，最后按照稀疏后比例因子的大小排序进行剪枝，最后利用通过微调得到最终进行细粒度图像分类任务的模型。可以实现弱监督且减少冗余参数，防止过拟合发生，有效提高细粒度图像分类的准确率。