结合特征融合与混合注意力的细粒度图像分类

来源：计算机应用与软件杂志2025年第9期北京时间：

作者：潘卫华, 魏明月, 苏攀

摘要：为充分提取细粒度图像中的局部关键特征，提出特征融合与混合注意力相结合的细粒度图像分类算法。该文利用 SE (Squeeze-and-Excitation Networks) 引入通道注意力，提高特征提取能力；提出特征融合，充分融合跨通道交互后的低层和高层语义信息；改进选择性稀疏采样 (Selective Sparse Sampling, S3N) 方法引入空间注意力获取显著采样图；构造一个能够端到端训练的两分支分类模型，以交叉验证的方式提高分类准确率。该算法在 CUB-200-2011、FGVC-Aircraft 和 Stanford Cars 数据集上分别达到了 87.84%、93.59% 和 94.25% 的分类准确率，优于骨干网络和当前主流算法。

关键词：细粒度图像分类, 通道注意力, 空间采样, 特征融合, 交叉验证