融合全局上下文关联特征的细粒度图像分类

来源：计算机技术与发展杂志2024年第06期北京时间：

作者：苗壮;王培龙;崔浩然;王昱菲;王家宝

摘要：针对现有基于注意力机制的细粒度图像分类模型在提取图像特征时,过于关注图像目标的某个或某些局部特征,而忽略不同局部特征之间、局部特征和全局特征之间的关联关系的问题,提出了一种融合全局上下文关联特征的细粒度图像分类方法。 该方法设计了区域感知模块,通过从图像中获得不同区域的区域特征感知编码,实现对图像中目标的一个或多个局部区域的特征表示;基于加性注意力机制,设计了全局注意力感知模块和上下文注意力感知模块,通过构建各局部特征之间、局部特征和整体特征之间的关联性,实现对遮挡目标的关键部位特征的更有效表示。 通过在细粒度图像分类数据集 Stanford Cars、FGVC Aircraft、CUB-200-2011 以及自建的 FGVC-LAV 数据集上的验证评估表明,该方法可以在提取图像局部特征的同时,有效挖掘局部特征和局部特征之间、局部特征和全局特征之间的关联关系,提高细粒度图像分类准确率。

关键词：细粒度;图像分类;注意力;局部特征;关联特征