基于混合注意模块的细粒度图像分类方法
Weixiang Lu1, Ying Yang1, Lei Yang2
1School of Computer, Electronics and Information, Guangxi University, Nanning, China.
Frontiers in neurorobotics
|May 20, 2024
概括
这项研究引入了一种新的混合注意力网络,用于细粒度图像分类. 该模型通过适应性地关注图像细节来增强特征捕获,实现卓越的准确性和稳定性.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 细粒度图像的分类需要捕捉微妙的细节.
- 现有的方法可能会在详细的特征提取方面扎.
研究的目的:
- 开发一个高效的网络模型用于细粒度图像分类.
- 通过自适应地增强突出图像区域和捕获详细信息来改善特征表示.
主要方法:
- 引入了用于通道和空间注意力的混合注意力模块 (MA).
- 实现了注意力删除模块 (EA),以专注于更细致的图像细节.
- 增强了ResNet50的聚合层,以改善浅层的特征提取.
主要成果:
- 实现了高分类准确度:92.8% (斯坦福汽车),94.0% (FGVC-飞机) 和88.2% (CUB-200-2011). 获得了高分类准确度.
- 与现有方法相比,在效率,准确性和稳定性方面取得了显著的改进.
结论:
- 拟议的混合注意力网络有效地捕捉了细粒度图像分类的详细特征.
- 该模型为具有挑战性的图像分类任务提供了更准确和更强大的解决方案.
