|
|
|
| 基于混合特征提取的细粒度图像识别方法 |
| 李明峰 邵琳钰 蔡昌利 |
| 上海理想信息产业(集团)有限公司 北京邮电大学信息与通信工程学院 |
|
|
|
|
摘要 由于细粒度图像类内差异大、类间差异小的特点，导致其识别具有较大的难度，针对该问题，提出了一种基于混合特征提取的细粒度图像识别方法。借助混合增强(Mixup)思想混合卷积神经网络中间层，提取类内和类间的特征信息，并通过非局部模块加强模型提取特征的能力。同时，为了降低Mixup方法引入的噪声和歧义，设计了与训练过程耦合的多损失函数。该模型在广泛使用的公开细粒度图像数据集CUB-200-2011和Stanford Cars上分别达到了87.4%和93.8%的识别精度，与多个基线方法相比有显著的性能提升。
|
|
| 关键词 ：
计算机视觉,
细粒度图像识别,
非局部模块,
混合特征,
多损失函数
|
|
|
| 基金资助:北邮-电信视觉智能联合实验室资助项目(B2019012)； |
|
|
|
