基于改进的CVT细粒度图像识别算法研究

来源：电子测量技术杂志2025年第18期北京时间：

作者：冀得魁，李冰锋，杨艺

单位：1.河南理工大学电气工程与自动化学院 焦作 454000; 2.河南省煤矿装备智能检测与控制重点实验室 焦作 454003

摘要：针对细粒度图像背景信息对目标区域干扰以及目标最具判别区域特征难以辨识的问题，本文提出了一种基于改进的CVT细粒度图像识别算法研究。首先，在CVT模型中引入目标区域定位模块，该模块通过多层次的特征聚合方法提取目标区域的特征，并通过阈值判定方式进行目标区域的确定，之后对原始图像进行等比例裁剪，以减少背景信息的干扰。其次，提出了MDCSAIA机制，采用维度转换的方法，促进通道位置相邻的空间信息和空间位置相邻的通道信息间的有效交互，从而增强网络对目标局部细节区域的感知能力。实验结果表明，与基线算法相比，该方法在CUB-200-2011、Stanford Cars和Stanford Dogs三个数据集上的识别准确率分别提高了2.1%、1.7%和1.5%。此结果验证了所提方法的有效性。

关键词：细粒度图像识别;Transformer;目标区域定位;MDCSAIA机制;热力图

基金资助：河南省科技攻关项目（222102210230）、河南理工大学博士基金（B2018-33）项目资助