[发明专利]训练与推理数据分布不一致条件下的图像细粒度识别方法

摘要

训练和推理数据分布不一致条件下的图像细粒度识别方法，建立了检测‑细粒度模型，检测模块提取特征并对类别、位置和置信度回归。获取感兴趣区域位置并粘贴到WxH黑色背景后，传入特征融合的细粒度模块，利用多尺度双线性特征对子类进行细粒度识别。在提出的Cigarette67‑2018训练，且细粒度模块在特定数据集Cigarette67‑2018，较之前双线性模型B‑CNN基线有显著提高。在单核CPU上推理速度可以满足实时性要求且本发明中的细粒度识别模块为弱监督算法，仅仅需要图像级标注信息，这使本发明易于操作，实用价值高。

主权项

1.训练与推理数据分布不一致条件下的图像细粒度识别方法，其特征在于：将数据增广后的批量图片利用检测‑细粒度识别两阶段模型进行图像细粒度识别，检测模块负责检测出大类目标位置，经感兴趣区域和粘贴模块后，再由细粒度识别模块识别出图像中目标子类，方法包括如下步骤：(1)将输入图片进行数据增广；(2)将处理好的图片送入检测模块，检测出目标大类位置信息；(3)将上步得到的位置信息送入感兴趣区域和粘贴模块，得到统一背景下的目标图片；(4)将上步得到的批量图片送入细粒度识别模块，得到图像细粒度识别结果。