一种融合间接注意力的自适应特征提取方法

来源：电子测量技术杂志2022年第21期北京时间：

作者：张书恒，李 军，张礼轩，王子文

单位：南京理工大学自动化学院 南京 210094

摘要：针对基于ViT模型的细粒度图像识别算法存在特征提取不全面、参数选取不具普适性等问题，提出一种融合间接注意力的自适应特征提取方法（Adaptive Feature Extraction with Indirect Attention，AFEIA）。首先，对于目标对象的特征提取，采用改进后的自然断点分类算法将特征分为最相关、次相关、不相关三种，对不同的输入样本可以自适应地提取最具辨别性特征，保证了特征提取的准确性；然后，利用注意力权重矩阵，获取被忽略特征中与目标对象间接相关的特征，以获取各对象之间细微的差异，保证了特征提取的全面性。实验表明，使用AFEIA方法的ViT模型在两个细粒度数据集CUB-200-2011、Stanford Dogs上分别达到91.6%、91.5%的预测准确率，通过可视化方法和消融实验，验证了AFEIA方法的有效性。

关键词：细粒度图像识别;注意力机制;特征提取