一种基于注意力感知与对抗学习的细粒度图像识别方法

摘要

本发明涉及一种基于注意力感知与对抗学习的细粒度图像识别方法，利用神经网络的注意力机制，只使用图像类别标签，定位出输入图像中目标物体的大概位置。同时为了针对细粒度图像任务中由于训练数据量较少，且类间方差小，类内方差大的而引起的显著过拟合现象，提出基于对抗学习的难样本挖掘算法，模型训练过程中神经网络自主选择网络难以判断的带掩码的难样本作为新的训练样本，一方面提升网络对难样本的识别鲁棒性，另一方面有助于网络关注其他具有判别意义的局部区域；在不增加额外参数的前提条件下，仅使用图像的类比标签，显著提升细粒度图像识别的准确度和对难样本的鲁棒性。