一种基于对比层级相关性传播理论的鸟类分类方法

摘要

本发明提供了一种基于对比层级相关性传播理论的鸟类分类方法。获取待鸟类分类图像数据集，并通过对比层级相关性传播计算所述鸟类图像数据集中每个待鸟类分类图像关键特征区域的空间级相关性掩码；根据所述相关性掩码，利用深度神经网络的置信度分数确定每个待鸟类分类图像的通道级权重；将所述通道级权重与空间级相关性掩码进行线性加权，生成对不同类型鸟类标记的显著图。本发明在平均下降、平均增长和基于能量的三个评价指标上达到了先进性能，能够更好的发现影响模型决策的重要区域，从而更准确高效的对鸟类进行分类。本发明应用于鸟类细粒度图像分类任务，对模型的错误分类行为进行分析，并指导模型的训练过程，实现更准确的鸟类分类。