基于ECA-Net與多尺度結(jié)合的細(xì)粒度圖像分類方法

編號：CYYJ01672

篇名：基于ECA-Net與多尺度結(jié)合的細(xì)粒度圖像分類方法

作者：毛志榮 都云程 肖詩斌 施水才

關(guān)鍵詞： 注意力機(jī)制 深度學(xué)習(xí) 細(xì)粒度圖像分類

機(jī)構(gòu)： 北京信息科技大學(xué)計算機(jī)學(xué)院 拓爾思信息技術(shù)股份有限公司

摘要： 針對細(xì)粒度圖像分類問題提出了一種有效的算法以實現(xiàn)端到端的細(xì)粒度圖像分類。ECA-Net中ECA(efficient channel attention)模塊是一種性能優(yōu)勢顯著的通道注意力機(jī)制,將其與經(jīng)典網(wǎng)絡(luò)ResNet-50進(jìn)行融合構(gòu)成新的基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)ResEca;通過物體級圖像定位模塊與部件級圖像生成模塊生成物體級圖像和部件級圖像,并結(jié)合原始圖像作為網(wǎng)絡(luò)的輸入,構(gòu)建以ResEca為基礎(chǔ)的三支路網(wǎng)絡(luò)模型Tb-ResEca-Net(three branch of ResEca network)。該算法在公有數(shù)據(jù)集CUB-200-2011、FGVC-aircraft和Stanford cars datasets上進(jìn)行測試訓(xùn)練,分別取得了89.9%、95.1%和95.3%的準(zhǔn)確率。實驗結(jié)果表明,該算法相較于其他傳統(tǒng)的細(xì)粒度分類算法具有較高的分類準(zhǔn)確率以及較強(qiáng)的魯棒性,是一種有效的細(xì)粒度圖像分類方法。