细粒度视觉分类:深度成对特征对比交互算法 |
| |
作者姓名: | 汪敏 赵鹏 郭鑫平 闵帆 |
| |
作者单位: | 1. 西南石油大学电气信息学院;2. 西南石油大学计算机科学学院;3. 西南石油大学人工智能研究所 |
| |
基金项目: | 国家自然科学基金(62006200);;四川省科技计划支持项目(2022YFG0179);;油气藏地质及开发工程国家重点实验室(成都理工大学)项目(PLC20211104); |
| |
摘 要: | 由于高类内和低类间方差,细粒度图像识别成为计算机视觉领域一项极具挑战性的研究课题。经典的细粒度图像识别方法采用单输入单输出的方式,限制了模型从成对图像中对比学习推理的能力。受人类在判别细粒度图像时的行为启发,提出了深度成对特征对比交互细粒度分类算法(PCI),深度对比寻找图像对之间的共同、差异特征,有效提升细粒度识别精度。首先,PCI建立正负对输入策略,提取细粒度图像的成对深度特征;其次,建立深度成对特征交互机制,实现成对深度特征的全局信息学习、深度对比以及深度自适应交互;最后,建立成对特征对比学习机制,通过对比学习约束成对深度细粒度特征,增大正对之间的相似性并减小负对之间的相似性。在流行的细粒度数据集CUB-200-2011、Stanford Dogs、Stanford Cars以及FGVC-Aircraft上开展了广泛的实验,实验结果表明PCI的性能优于当前最先进的方法。
|
关 键 词: | 细粒度 图像分类 深度神经网络 对比学习 注意力机制 |
|