文献类型：期刊文章

作　　者：李佳盈[1] 蒋文婷[2] 杨林[3] 罗铁坚[4]

LI Jia-ying;JIANG Wen-ting;YANG Lin;LUO Tie-jian(School of Automation,Beijing Information Science and Technology University,Beijing 100854,China;Institute of Telecommunication and Navigation Satellites,China Academy of Space Technology,Beijing 100091,China;Institute 706,Second Academy of China Aerospace Science and Industry Corporation,Beijing 100039,China;School of Computer Science and Technology,University of Chinese Academy of Sciences,Beijing 100854,China)

机构地区：[1]北京信息科技大学自动化学院,北京100854 [2]中国空间技术研究院通信与导航卫星总体部,北京100091 [3]中国航天科工集团第二研究院七〇六所,北京100039 [4]中国科学院大学计算机科学与技术学院,北京100854

出　　处：《计算机工程与设计》

年　　份：2023

卷　　号：44

期　　号：3

起止页码：916-921

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决细粒度图像分类任务存在类内差异性和类间相似性大的问题,提出一种基于Vision Transformer(ViT)的细粒度图像分类方法。采取ViT作为特征编码网络,获取图像的全局特征表示;设计多级区域选择模块,捕捉细微的具有可判别性的层级化信息;利用一个简单且有效的中心损失函数,缩短深层特征与相应类中心在特征空间中的距离。在图像级标签的监督下,实现端到端的训练。结果在CUB-200-2011、NABirds以及Stanford Cars数据集上分别达到90.1%、90.2%和93.7%的分类准确率,超越当前最优算法。

关 键 词：细粒度图像分类  深度自注意力变换网络  注意力机制  中心损失  卷积神经网络 特征表示  特征空间  

分 类 号：TP391]