[发明专利]一种细粒度识别中判别性图块学习的改进方法

摘要

一种细粒度识别中判别性图块学习的改进方法：提取原始图像中具有判别性质的图块，包括：原始图像通过卷积神经网络中的卷积池化层获得一张特征图，将特征图中每一个空间固定位置的向量视为对应于始图像中相应位置图块的检测器；假设已经学习到在原始图像中一个判别性区域具有最高响应的检测器，将检测器与特征图进行卷积运算，得到新的响应图；在新的响应图中挑选具有最大值的位置，得到具有判别性质的图块；学习具有判别性质的图块的特征并用于分类，包括：根据具有判别性质的图块获取局部显著图；使用空间加权费舍尔向量对局部显著图进行编码。本发明学习到更适合细粒度识别任务的判别性特征，减少判别性图块中背景信息的干扰以提高分类精度。

主权项

一种细粒度识别中判别性图块学习的改进方法，其特征在于，包括如下步骤：1)提取原始图像中具有判别性质的图块，包括：(1)原始图像通过卷积神经网络中的卷积池化层获得一张C×H×W大小的特征图，其中，C为管道数，H为高度，W为宽度，将特征图中每一个空间固定位置的C×1×1向量视为对应于始图像中相应位置图块的检测器；(2)假设已经学习到在原始图像中一个判别性区域具有最高响应的检测器，将C×1×1大小的检测器与C×H×W大小的特征图进行卷积运算，得到新的H×W大小的响应图；(3)在新的H×W大小的响应图中挑选具有最大值的位置，得到1×1大小的具有判别性质的图块；2)学习具有判别性质的图块的特征并用于分类，包括：(1)根据具有判别性质的图块获取局部显著图；(2)使用空间加权费舍尔向量对局部显著图进行编码。