全局跨层交互网络学习细粒度图像特征表示

作     者：张高义 徐杨 曹斌 石进 ZHANG Gao-yi;XU Yang;CAO Bin;SHI Jin

作者机构：贵州大学大数据与信息工程学院贵州贵阳550025 贵阳铝镁设计研究院有限公司贵州贵阳550009 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2024年第3期

页      面：97-104页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：贵州省科技计划项目(黔合科支撑一般176) 

主　　题：细粒度图像识别 全局跨层交互网络 分层双三次池化 层内层间特征交互 交互注意力机制 

摘      要：细粒度图像分类中的关键任务是提取极具鉴别性的特征。在以往的模型中,往往采用双线性池化技术及其变种来解决这个问题。然而,大多数双线性池化及其变体会忽略层内或层间特征交互,这种不充分的交互易导致鉴别信息丢失或使鉴别信息包含过多冗余信息。针对上述问题,设计一种新的学习细粒度图像特征及特征表示的方法——全局跨层交互(GCI)网络。提出的分层双三次池化方法具有平衡提取鉴别信息和过滤冗余信息能力,并能同时建模层内和层间的特征交互。进一步分析层间交互计算结构,发现易于将交互计算结构与现有的通道注意力机制结合形成交互注意力机制,以提升骨干网络的关键特征提取能力。最后,将交互注意力机制构成的特征提取网络与双三次池化方法融合得到GCI,用来提取鲁棒的细粒度图像特征表示。在3个细粒度基准数据集上进行实验,实验结果表明分层双三次池化实现了分层交互池化框架中最优效果,即在CUB-200-2011、Stanford-Cars、FGVC-Aircraft上分别达到了87.4%、93.2%和92.1%的分类精度,将交互注意力机制融入后分类精度进一步提升至88.5%、95.1%和93.9%。