基于混合特征提取的细粒度图像识别方法

作     者：李明峰 邵琳钰 蔡昌利 LI Mingfeng;SHAO Linyu;CAI Changli

作者机构：上海理想信息产业(集团)有限公司上海201200 北京邮电大学信息与通信工程学院北京100876 

出 版 物：《南昌大学学报（工科版）》 (Journal of Nanchang University(Engineering & Technology))

年 卷 期：2023年第45卷第3期

页      面：297-306页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：北邮-电信视觉智能联合实验室资助项目(B2019012) 

主　　题：计算机视觉 细粒度图像识别 非局部模块 混合特征 多损失函数 

摘      要：由于细粒度图像类内差异大、类间差异小的特点,导致其识别具有较大的难度,针对该问题,提出了一种基于混合特征提取的细粒度图像识别方法。借助混合增强(Mixup)思想混合卷积神经网络中间层,提取类内和类间的特征信息,并通过非局部模块加强模型提取特征的能力。同时,为了降低Mixup方法引入的噪声和歧义,设计了与训练过程耦合的多损失函数。该模型在广泛使用的公开细粒度图像数据集CUB-200-2011和Stanford Cars上分别达到了87.4%和93.8%的识别精度,与多个基线方法相比有显著的性能提升。