融合注意力机制的网络监督细粒度识别  

作　　者：范九丹 

机构地区：[1]哈尔滨工程大学信息与通信工程学院

出　　处：《信息系统工程》2023年第7期71-74,共4页

摘　　要：在细粒度识别任务中,良好标注的训练数据难于获取,现有强注释的数据集数量少,由于细粒度图像背景复杂、子类别图像差异细微等问题,导致现有细粒度识别模型精度不高。为此,使用具有图像级标签的免费网络图像作为训练数据,设计了一种融合注意力机制的网络监督细粒度识别模型。首先引入瓶颈注意力机制有效提高网络的表征能力,准确聚焦前景识别主体,减少了背景特征的影响。实验结果表明,提出的模型在WebBird(鸟类数据集)、Web-Cars(汽车数据集)、Web-Aircraft(飞机数据集)三个数据集上的ACA指标分别达到82.8%、88.1%和83.1%,在同类型算法中处于领先水平。

关 键 词：细粒度识别 注意力机制 深度学习 残差网络 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]